猞猁是一个研究型MATLAB工具箱设计快速的方式监督机器学习实验。模拟的细节可以指定下一个配置文件,和工具箱负责加载数据,分区,测试算法和可视化结果。此外,它支持并行实验,让GPU的支持。金宝app这使得大型实验容易重复的和修改的。
我们目前pre-implemented几个算法(如支持向量机、内核岭回归…),优化程序(网格搜索程序,搜索最优特征子集金宝app…),和数据集。
你可以看到使用的例子(从我的研究论文):
http://ispac.diet.uniroma1.it/scardapane/software/code/
请不要犹豫与我联系的任何帮助。问题和错误也可以报告在GitHub上页面每天,我将尝试回答。从MATLAB工具箱已测试R2013a MATLAB R2015a。
引用作为
西蒙(2023)。猞猁MATLAB工具箱GitHub (https://github.com/ispamm/Lynx-Toolbox)。检索。
MATLAB版本兼容性
创建R2013a
兼容任何释放
平台的兼容性
窗户 macOS Linux标签
确认
启发:有用的图管理实用工具,CATSTRUCT,状态栏,Precision-Recall和ROC曲线,从离散分布抽样,cprintf——在命令窗口显示格式化的文本,disptable——显示矩阵的列或行标签,文本进度条,DataHash
配置
核心/类
核心/类/ @Simulation
核心/类/ AdditionalFeatures
核心/类/聚合器
核心/类/数据类型
核心/类/ DatasetFactories
核心/类/ LearningAlgorithmTemplates
核心/类/ NetworkTopologies
核心/类/ OutputFormatters
核心/类/任务
核心/类/ ValueContainers
核心/功能/ geneticprogramming
核心/功能/ geneticprogramming /个人
核心/功能/初始化
核心/功能/数学
核心/功能/其他
核心/功能/公用事业
核心/功能/验证
功能/ LearningAlgorithms
功能/ LearningAlgorithms / ExtremeLearningMachine
功能/ LearningAlgorithms / MultilayerPerceptron
功能/ LearningAlgorithms / RandomVectorFunctionalLink
功能/ LearningAlgorithms / RegularizedLeastSquare
功能/ LearningAlgorithms / SupportVec金宝apptorMachine
功能/模型
功能/ PartitionStrategies
功能/ PerformanceMeasures
功能/预处理器
功能/ StatisticalTests
功能/包装
功能/包装
帮助
脚本
测试
测试/ DummyObjects
测试/核心类
测试/核心/类/聚合器
测试/核心/类/任务
测试/核心/类/ ValueContainers
测试/核心/功能/ geneticprogramming
测试/核心/功能/ geneticprogramming /个人
测试/核心/功能/数学
测试/核心/功能/其他
测试/核心/功能/公用事业
核心/功能/测试/验证
测试/功能/ LearningAlgorithms
测试/功能/ PartitionStrategies
测试/功能/ PerformanceMeasures
测试/功能/预处理器
测试/功能/包装
版本使用GitHub缺省分支不能下载
版本 | 发表 | 发布说明 | |
---|---|---|---|
1.3.0.0 | Re-updated描述链接到GitHub bug报告。 |
|
|
1.1.0.0 | 我已经更新了工具箱的描述。 |
|
|
1.0.0.0 |
|
问题在这个视图或报告GitHub插件,参观GitHub库。
问题在这个视图或报告GitHub插件,参观GitHub库。