社区
下载资源悬赏专区
帖子详情
KNN算法训练MNIST和CIFAR数据集下载
AI100_小助手
2018-05-19 10:58:01
这份资源内含CIFAR数据集,MNIST手写数据集和KNN(机器学习)算法的MATLAB代码对这两个数据集进行训练,希望对大家有所帮助(由于文件太大,只能截取CIFAR的部分数据
相关下载链接:
//download.csdn.net/download/weixin_40578835/10424358?utm_source=bbsseo
...全文
95
回复
打赏
收藏
KNN算法训练MNIST和CIFAR数据集下载
这份资源内含CIFAR数据集,MNIST手写数据集和KNN(机器学习)算法的MATLAB代码对这两个数据集进行训练,希望对大家有所帮助(由于文件太大,只能截取CIFAR的部分数据 相关下载链接://download.csdn.net/download/weixin_40578835/10424358?utm_source=bbsseo
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
KNN算法
训练
MNIST
和
CIFAR
数据集
这份资源内含
CIFAR
数据集
,
MNIST
手写
数据集
和KNN(机器学习)算法的MATLAB代码对这两个
数据集
进行
训练
,希望对大家有所帮助(由于文件太大,只能截取
CIFAR
的部分数据
matlab集成c代码-KNNbyMatlab:Matlab和Python实现KNN
matlab集成c代码 KNNbyMatlab
KNN算法
的matlab实现。
训练
了两个
数据集
,分别是
MNIST
和
CIFAR
, 数据库
下载
地址:
mnist
:
cifar
10: KNN_
MNIST
运行环境:将
MNIST
四个
数据集
文件加入文件夹内即可运行。 在matlab2017b环境下编写测试 默认运行全部数据,大约耗时2000到3000秒 运行过程中,会输出分类错误的样本索引,可从输出的错误分类样本索引大概估计出准确率。 KNN_
CIFAR
运行环境:将
CIFAR
七个
数据集
文件加入文件夹内即可运行。 在matlab2017b环境下编写测试 默认运行全部数据,大约耗时2000到3000秒 运行过程中,会输出分类错误的样本索引,可从输出的错误分类样本索引大概估计出准确率。正确率大约在38%左右。 KNN_KDTREE 运行环境:python3.6 需要导入scipy库、numpy库,将
MNIST
四个
数据集
文件加入文件夹内; 在文件夹中打开windowsPowerShell,输入命令python .\kdtree.py运行即可; 默认运行4000个
训练
数据,400个测试数据; 会输出查
1小时搞定——实战
KNN算法
适合人群:零基础,对机器学习有浓厚兴趣的人课程目标:通过本系列课程学习可轻松高效掌握KNN基本知识及实战技巧,并能熟练驾驭
KNN算法
课程简介:实战
KNN算法
课程内容包含10章内容:01、
KNN算法
背景02、KNN中距离度量03、KNN分类算法流程04、手写KNN分类算法05、KNN回归算法流程06、手写KNN回归算法07、KNN中超参数K的选择08、
KNN算法
的优缺点09、
KNN算法
的优化方向10、KNN模型部署
基于KNN+SVM+CNN+LSTM四种方法实现遥感图像识别python源码.zip
【资源说明】 该项目是个人毕设项目源码,评审分达到95分,都经过严格调试,确保可以运行!放心
下载
使用。 该项目资源主要针对计算机、自动化等相关专业的学生或从业者
下载
使用,也可作为期末课程设计、课程大作业、毕业设计等。 具有较高的学习借鉴价值!基础能力强的可以在此基础上修改调整,以实现类似其他功能。 本次遥感图像识别算法采用的
数据集
是武汉大学提供的WHU-RS19
数据集
,该
数据集
包含了机场,海滩,桥,商业区,沙漠,农田,足球场,森林,工业区,草地,山,公园,停车场, 池塘, 港口, 火车站, 住宅区, 河流和高架桥总共19类遥感图像。图像的分辨率大都为600×600,每一个种类大约有50张图像。
数据集
的预处理与索引文档的生成 在原始的
数据集
中,有4张分辨率不是600×600的图像已被去除。 利用 split_dataset.py 将
数据集
按照 0.8: 0.2 的比例分为
训练
集和测试集,分别置于train文件夹和test文件夹中。 利用 generate_txt.py 分别生成
训练
集和测试集的索引文件,索引文件中包括了图片的路径和图片的标签(0~19)。由于后面的实验在Google Colab上进行,因此我手动统一修改了图片的路径。最后得到的索引文件分别为train.txt和test.txt ## kNN kNN(k-邻近算法)是最为简单的机器学习算法。在
kNN算法
中,一个对象的分类是由其邻居的“多数表决”确定的,k个最近邻居(k为正整数,通常较小)中最常见的分类决定了赋予该对象的类别。若k = 1,则该对象的类别直接由最近的一个节点赋予。 ### kNN的测试效果 kNN作为一种最简单的机器学习算法,我并未对其的测试效果报以太大的期望。在本次测试中,我先将k取为1,测试这种最简单的模式下的效果,最终其测试的准确率为16%。 ### 分析参数k对kNN的测试效果的影响 采用
kNN算法
需要重点关注的是k值的选取。一般情况下,在分类时较大的K值能够减小噪声的影响,但会使类别之间的界限变得模糊。因此本实验分别尝试了k = 1,3,5,10,15下
kNN算法
的测试精度。 SVM 在机器学习中,SVM是一种常用的监督学习算法,其目的在于寻找一个超平面,能够以最大间隔将各类数据分开。作为传统的机器学习算法中表现非常优秀的一种算法,SVM在许多场景中都得到了应用。 CNN 卷积神经网络是目前图像识别中最为流行的机器学习算法,本实验的目的在于了解CNN在WHU-RS19
数据集
上的表现效果,并观察网络结构的变化对
训练
结果的影响。 LSTM 递归神经网络在语音识别、图像识别中得到了广泛的应用。在之前的期中作业中,我采用了RNN、LSTM和GRU等递归神经网络在
MNIST
、Fashion
MNIST
、
CIFAR
10等比较简单的
数据集
上进行了测试。本实验中使用的WHU-RS19
数据集
的识别难度明显大于以上提及的几个
数据集
,通过该实验,我们也可以横向对比LSTM与其他机器学习算法的性能差异。
ML_Ex3
机器学习-练习3-第9组 小组成员 马蒂亚斯·埃德(01624856) BenediktHämmerle,01352108 卡尔·埃里克森(12005817) 描述 我们坚持使用官方Python打包指南( )创建setup.py文件我们使用“ click”包创建命令行界面( )。
数据集
CIFAR
-10和Fashion
MNIST
构成了我们分析的基础。 我们使用MLP,kNN和随机森林作为scikit-learn的算法。 步骤1:
训练
模型 选项:要使用的
数据集
,“ Fashion
MNIST
”或“
CIFAR
-10”之一[B] 导入
数据集
[B] 运行特征表示[B] 运行特征提取[K] 运行文字袋[K] ->输出:每个步骤都只有进度条吗? [B,K] 步骤2:[M] 选项:分类器算法,“ MLP”,“ kNN”或“ RandomForest”之一 输出:分类器的参数 对先
下载资源悬赏专区
12,883
社区成员
12,435,987
社区内容
发帖
与我相关
我的任务
下载资源悬赏专区
CSDN 下载资源悬赏专区
复制链接
扫一扫
分享
社区描述
CSDN 下载资源悬赏专区
其他
技术论坛(原bbs)
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章