2 u013397974 u013397974 于 2014.02.28 16:55 提问

你好 elm分类输出真实数据然后对于接下来进行类别输出部分我不懂它是如何类别分类的

下面是进行类别输出
MatrixXd tempY=mScores;
//int size=tempY.size();
double *Y=new double[nsmp];
double *Max=new double[nsmp];
double max=0.0;
double *min=new double[nsmp];
for(int i=0;i {
min[i]=tempY(0,i);
}
for(int i=0;i {
max=min[i];
for(int j=0;j {
if(tempY(j,i)>max)
{
max=tempY(j,i);
}
}
Max[i]=max;
}
for(int i=0;i<tempY.cols();i++)
{
for(int j=0;j<tempY.rows();j++)
{
if(tempY(j,i)==Max[i])
{
tempY(j,i)=1;
}
else
{
tempY(j,i)=0;
}
}
}
cout<<"the sample is belong to ";
for(int i=0;i<tempY.cols();i++)
{
for(int j=0;j<tempY.rows();j++)
{
if(tempY(j,i)==1)
{
Y[i]=j+1;
cout<<Y[i]<<" ";
}
}
}
cout<<endl;
outY=Y;
return 0;
}

int compare( const void *a, const void *b )
{
const double *da = (const double *) a;
const double *db = (const double *) b;
return (*da > *db) - (*da < *db);
}

// builds 1-of-K target matrix from labels array
//template
MatrixXd buildTargetMatrix( double *Y, int nLabels ) {

// make a temporary copy of the labels array
double *tmpY = new double[ nLabels ];
for ( int i = 0 ; i < nLabels ; i++ ) {
    tmpY[i] = Y[i];
}

// sort the array of labels
qsort( tmpY, nLabels, sizeof(double), compare );

// count unique labels
int nunique = 1;
for ( int i = 0 ; i < nLabels - 1 ; i++ ) {
    if ( tmpY[i] != tmpY[i+1] )
        nunique++;
}

delete [] tmpY;

MatrixXd targets( nunique, nLabels );
targets.fill( 0 );


// fill in the ones
for ( int i = 0 ; i < nLabels ; i++ ) 
{
    int idx = Y[i]-1;
    targets( idx, i ) = 1;
}

// normalize the targets matrix values (-1/1)
//targets *= 2;
//targets.array() -= 1;

return targets;

}

#endif

Csdn user default icon
上传中...
上传图片
插入图片
准确详细的回答,更有利于被提问者采纳,从而获得C币。复制、灌水、广告等回答会被删除,是时候展现真正的技术了!
其他相关推荐
招聘网站职位类别总结
招聘职位总结,sql语句,用此语句直接可以生成sql 数据表,这是花了很多时间总结出来的提供出来给大家分享下。
人才招聘网行业与职位分类数据表分享
最近在做公司的一个项目,里面包括人才模块,整理了招聘网行业与职位分类数据表分享,数据采集自智联招聘网,做人才网的朋友都用得着,分享给大家!
UCI模式分类数据库
UCI模式分类数据库,是mat格式,可以直接用matlab读取,方便好用
行业类型数据库,三级联动
行业类型数据库,从标准行业类型拉去下来,三级联动,mysql 数据库
大型科学仪器分类标准及编码
大型科学仪器分类,标准及编码,xiaohui-316@163.com
应用WEKA进行数据分类
WEKA把分类(Classification)和回归(Regression)都放在“Classify”选项卡中,这是有原因的。 在这两个任务中,都有一个目标属性(输出变量)。我们希望根据一个样本(WEKA中称作实例)的一组特征(输入变量),对目标进行预测。为了实现这一目的,我们需要有一个训练数据集,这个数据集中每个实例的输入和输出都是已知的。观察训练集中的实例,可以建立起预测的模型。有了这个模型,我们就可以对新的输出未知的实例进行预测了。衡量模型的好坏就在于预测的准确程度。 在WEKA中,待预测的目标(输出)被称作Class属性,这应该是来自分类任务的“类”。一般的,若Class属性是分类型时我们的任务才叫分类,Class属性是数值型时我们的任务叫回归。
地名分类与类别代码编制规则
本标准规定了地名类别的划分规则与地名类别代码的编制规则,适用于地名信息系统和相关信息系统中地名信息的处理与交换。
高德地图API POI类别对照表
高德地图API POI类别对照表
ORACLE EBS物料和类别对应关系
ORACLE EBS 物料和类别对应SQL
GRE词汇分类速记类比·反义词常考意群
在明确了本文的思路之后,从本文的构成便可体会此书的特色以及使用方法,具体介绍如下: (1)本书的绝大部分词汇均来自Princeton所出的1984-1996年全部北美题(及NO.2-NO.9全真练习题)以及1990-1999年国内全真考题,并按GRE中常考意思进行了注解; (2)本书是国内惟一一本以分类形式将所有CRE词汇的意群、考法及考题有机结合在一起的GRE词汇书。 (3)本书的第一章为GRE词汇总分类,其中词汇为7100词左右,可供GRE考生学习和记忆单词用。你可以通过这一章记住同一汉语释义下常考的所有GRE单词,这样当你看到某一词时会联想到其他的相关记号汇,达到词汇的灵活应用。 (4)类比与反义题得分的高低决定了你Verbal部分的成绩,要迅速解好每一题,不但要理解词义,还就熟悉对应关系(即反义中的反义方式、类比中的类比关系),鉴于此,我将所有全真考题及其中词汇进行了精心的分析与整理,并进行了合理的归类,将所有考题中常考的272个互为反义的意群进行了统计与整理,形成本书的第三章。 (5)本书列出了1996-1999年间的最新考题的主考反义题和类比题,考生可以以此识别和把握GRE词汇考试的方向。而且我在第四章对某些类比关系的判断与类比题的解答做了部分注解,可以有效地帮助大家解决GRE的类比题。 (6)此书不但对GRE考生有很大的帮助,同时也可以供其他英语学习爱好者记忆和提高词汇量使用。