DaemonFG / BreastCancerWisconsinLinks
逻辑回归做二分类进行癌症预测(基于细胞的属性特征)
☆23Updated 6 years ago
Alternatives and similar repositories for BreastCancerWisconsin
Users that are interested in BreastCancerWisconsin are comparing it to the libraries listed below
Sorting:
- 基于SVM的简单机器学习分类,可以使用svm, knn, 朴素贝叶斯,决策树四种机器学习方法进行分类☆115Updated 2 years ago
- 实验源代码-----基于随机森林的气温预测☆42Updated 5 years ago
- 基于逻辑回归的癌症预测案例——【癌症分类预测-良/恶性乳腺癌肿瘤预测】☆27Updated 5 years ago
- 机器学习预测模型,分别用逻辑回归,决策树,随机森林,神经网络,XGBOOST和支持向量机算法建模,交叉验证,并选出AUC最优的模型。特征工程优化后,AUC值达到0.8259☆56Updated 5 years ago
- 利用sklearn实现机器学习算法:线性回归、逻辑回归、决策树、随机森林、SVM等☆169Updated 5 years ago
- 采用SVM方法,对美国威斯康星州的乳腺癌诊断数据集进行分类,最终实现一个针对乳腺癌检测的分类器☆26Updated 5 years ago
- 分别用K均值K_means和模糊C均值FCM算法对Iris鸢尾花数据集聚类以及图像聚类分割☆24Updated 3 years ago
- 使用pyhton3语言对机器学习算法中的K近邻算法、线性回归、多项式回归、逻辑回归、PCA、SVM、决策树、随机森林、集成学习、boosting 等进行了算法的实现以及实验分析☆45Updated 6 years ago
- 支持向量机的python实现☆46Updated 9 years ago
- Python 基于BP神经网络实现鸢尾花的分类☆351Updated 4 years ago
- 数据特征工程、各种机器学习回归模型、回归数据预处理☆44Updated 5 years ago
- 支持向量机,Support Vector Machine(SVM),多类分类☆31Updated 8 years ago
- 逻辑回归预测违约可能☆32Updated 7 years ago
- 利用ID3决策树预测患糖尿病的可能性☆16Updated 4 years ago
- 记录小润了解的各种机器学习算法的实现以及基础概念,包括有监督学习,无监督学习,分类,聚类,回归;神经元模型,多层感知器,BP算法;损失函数,激活函数,梯度下降法;全连接网络、卷积神经网络、递归神经网络;训练集,测试集,交叉验证,欠拟合,过拟合;数据规范化等☆155Updated 8 years ago
- 利用Python实现三层BP神经网络☆82Updated 7 years ago
- 机器学习入门:手写数字识别,声呐分类,垃圾短信识别,鸢尾花分类☆40Updated 5 years ago
- 使用决策树对鸢尾花数据集做分类☆10Updated 5 years ago
- 感知器、贝叶斯分类、决策树分类、K最近邻法、逻辑回归、支持向量机...☆127Updated 10 years ago
- 基于svm的手写数字图像识别☆53Updated 6 years ago
- 决策树、随机森林☆49Updated 6 years ago
- 数据挖掘作业数据以及代码(电动车价格预测)☆68Updated 5 years ago
- 基于CNN的图像分类器,使用Kaggle的猫狗图片数据。☆15Updated 7 years ago
- Sklearn机器学习中的主要算法原理以及实现(线性回归、逻辑回归、朴素贝叶斯、K-Means聚类、KNN、PCA主成分分析、BP神经网络)☆83Updated 5 years ago
- 基于TensorFlow的深度学习、深度增强学习代码:NN(传统神经网络)、CNN(卷积神经网络)、RNN(递归神经网络)、LSTM(长短期记忆网络)、GAN(生成对抗网络)、DRL(深度增强学习)☆54Updated 7 years ago
- 使用双层全连接神经网络和ResNet网络实现的图像二分类问题☆12Updated 4 years ago
- [大数据课程作业]分别采用神经网络、线性回归、SVM方法预测学生成绩☆45Updated 6 years ago
- 数据预处理过程(属性选择, 异常值处理, 归一化, 标准化等)☆63Updated 4 years ago
- 集成学习Stacking方法详解☆75Updated 5 years ago
- 支持向量机(SVM)——分类预测,包括多分类问题,核函数调参,不平衡数据问题,特征降维,网格搜索,管道机制,学习曲线,混淆矩阵,AUC曲线等☆52Updated 7 years ago