说明:在机器学习中,随机森林是一个包含多个决策树的分类器, 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。该算法代码实现了基于随机森林模型的回归问题。
说明:高斯过程在回归和分类问题中的应用,注释详细
说明:第一章 线性规划第二章 整数规划第三章 非线性规划第四章 动态规划第五章 图与网络第六章 排队论第七章 对策论第八章 层次分析法第九章 插值与拟合第十章 数据的统计描述和分析第十一章 方差分析第十二章 回归分析
说明:支持向量机的程序,可以进行分类和回归,效果比神经网络好,没有维数灾难的问题,是比较好的建模方法。