登录
首页 » Python » HMM-homework

HMM-homework

于 2019-04-26 发布
0 264
下载积分: 1 下载次数: 2

代码说明:

说明:  隐马尔科夫实现,包含forward-hmm, Viterbi-hmm, Baum-Welch-hmm(Hidden Markov implementation, including forward-hmm, Viterbi-hmm, Baum-Welch-hmm)

文件列表:

HMM-homework\HMM-homework\Baum-Welch-hmm.py, 3909 , 2019-04-24
HMM-homework\HMM-homework\data.csv, 145 , 2019-04-24
HMM-homework\HMM-homework\forward-hmm.py, 1900 , 2019-04-22
HMM-homework\HMM-homework\ScreenShot\Baum-Welch-hmm.png, 15050 , 2019-04-24
HMM-homework\HMM-homework\ScreenShot\forward-hmm.png, 12628 , 2019-04-24
HMM-homework\HMM-homework\ScreenShot\Viterbi-hmm.png, 12293 , 2019-04-24
HMM-homework\HMM-homework\utils.py, 1133 , 2019-04-22
HMM-homework\HMM-homework\Viterbi-hmm.py, 2445 , 2019-04-22
HMM-homework\HMM-homework\瞎编的HMM作业数据.csv, 127 , 2019-04-22
HMM-homework\~$瞎编的HMM作业数据.xlsx, 165 , 2019-04-22
HMM-homework\参考仓库\Baum-Welch-HMM\hmm.py, 757 , 2019-04-23
HMM-homework\参考仓库\Baum-Welch-HMM\test.py, 2201 , 2019-04-23
HMM-homework\参考仓库\forward-backward-hmm-master\.gitignore, 17 , 2017-01-09
HMM-homework\参考仓库\forward-backward-hmm-master\Brown_sample.txt, 2984 , 2017-01-09
HMM-homework\参考仓库\forward-backward-hmm-master\forward-backward-hmm.py, 5626 , 2017-01-09
HMM-homework\参考仓库\forward-backward-hmm-master\prob_vector.pickle, 3475 , 2017-01-09
HMM-homework\参考仓库\forward-backward-hmm-master\README.md, 2442 , 2017-01-09
HMM-homework\参考仓库\forward-backward-hmm-master\simple.pickle, 600 , 2017-01-09
HMM-homework\参考仓库\Hidden-Markov-Model-master\Document.py, 369 , 2019-04-23
HMM-homework\参考仓库\Hidden-Markov-Model-master\EM.py, 4097 , 2017-11-14
HMM-homework\参考仓库\Hidden-Markov-Model-master\HMM.py, 7369 , 2017-11-14
HMM-homework\参考仓库\Hidden-Markov-Model-master\LICENSE, 35141 , 2017-11-14
HMM-homework\参考仓库\Hidden-Markov-Model-master\README.md, 608 , 2017-11-14
HMM-homework\参考仓库\Hidden-Markov-Model-master\Test.py, 1544 , 2017-11-14
HMM-homework\参考仓库\Hidden-Markov-Model-master\__pycache__\Document.cpython-36.pyc, 801 , 2019-04-23
HMM-homework\参考仓库\Hidden-Markov-Model-master\__pycache__\HMM.cpython-36.pyc, 8021 , 2019-04-23
HMM-homework\参考仓库\hidden-markov-model-master-by-aehuynh\hmm.py, 4675 , 2016-04-11
HMM-homework\参考仓库\hidden-markov-model-master-by-aehuynh\README.md, 100 , 2016-04-11
HMM-homework\参考仓库\UMDHMM-python-master-by-dkyang\hmm.py, 7216 , 2013-03-21
HMM-homework\参考仓库\UMDHMM-python-master-by-dkyang\README.md, 939 , 2013-03-21
HMM-homework\参考仓库\UMDHMM-python-master-by-dkyang\test.hmm, 136 , 2013-03-21
HMM-homework\参考仓库\UMDHMM-python-master-by-dkyang\test.seq, 35 , 2013-03-21
HMM-homework\参考仓库\UMDHMM-python-master-by-dkyang\test_hmm.py, 1039 , 2019-04-23
HMM-homework\瞎编的HMM作业数据.xlsx, 33715 , 2019-04-21
HMM-homework\参考仓库\Hidden-Markov-Model-master\__pycache__, 0 , 2019-04-23
HMM-homework\HMM-homework\ScreenShot, 0 , 2019-04-24
HMM-homework\参考仓库\Baum-Welch-HMM, 0 , 2019-04-23
HMM-homework\参考仓库\forward-backward-hmm-master, 0 , 2017-01-09
HMM-homework\参考仓库\Hidden-Markov-Model-master, 0 , 2019-04-23
HMM-homework\参考仓库\hidden-markov-model-master-by-aehuynh, 0 , 2016-04-11
HMM-homework\参考仓库\UMDHMM-python-master-by-dkyang, 0 , 2013-03-21
HMM-homework\HMM-homework, 0 , 2019-04-24
HMM-homework\参考仓库, 0 , 2019-04-23
HMM-homework, 0 , 2019-04-24

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • LOF
    基于密度的局部离群点检测,使用于当全部样本点的密度不一致的情况(Local outlier detection based on density)
    2021-04-14 16:28:55下载
    积分:1
  • AP聚类算法和案例
    ap聚类算法实现三维数据点的分类,demo为案例(AP clustering algorithm realizes the classification of data points, demo as a case.)
    2020-11-26 11:49:31下载
    积分:1
  • 妹子图
    通过Python对妹子图网站的图片集进行爬取(Crawling the collection of images on the sister map site via Python)
    2018-11-15 16:13:39下载
    积分:1
  • propospuionsview
    算法分析中的贪心算法的实现,并有完整的测试数据()
    2018-05-28 16:41:27下载
    积分:1
  • KMeans
    说明:  用matlab 实现了kmeans算法还附有评价指标计算(Matlab to achieve kmeans algorithm also attached to the evaluation index calculation)
    2020-06-19 04:40:01下载
    积分:1
  • guanlianguize
    r语言中关联规则代码实现 运用arulesViz包和arules包中的apriori函数(Code Implementation of Association Rule)
    2019-01-24 15:39:51下载
    积分:1
  • python 实现随机森林
    应用背景 数据   :两个月之内 40000个客户的15个数据字段   包含客户的 地          理位置,职业,职级,年收入,。。。。。。    购买过得产品 目的:对新客户进行推荐一个适合该客户的产品, 对老客户推荐可能再购买的产品 数据处理    数据清洗:   describe 每个特征统计分析       方差     -分析缺陷特征和波动性                 空值赋值为  “-1 “              -  保证模型的可使用    数据归一化:eg:邮编 相似度不高 根据一线二线….进行划分  – 特征的重要性 关键技术特征选择    随机森林:  判断特征的重要性 :思考为何重要性高     AHP    :  迭代设置每个特征的权重 模型选择   :根据数据量数量,是否有标签,分类or回归选取 关于模型选择时候我想用协同过滤  但是不知道关于特征的协同过滤是怎么执行的   是每个特征都有一个评分构成评价矩阵么?
    2022-02-25 17:28:51下载
    积分:1
  • 中编写C语言程序预处理,读取文本文件中的,使用链表,并输出该组的按平均值、中值、边界值平滑的结果。若分箱时缺失则用最后的值复制代替,还要找出程序中
    数据挖掘中编写C语言程序数据预处理,读取文本文件中的数据,使用链表,并输出该组数据的按平均值、中值、边界值平滑的结果。若分箱时数据缺失则用最后的值复制代替,还要找出程序中的离群点,要求程序符合结构化程序设计风格,关键地方需加注释。完美实现!
    2022-02-28 20:00:10下载
    积分:1
  • 2555333
    牛顿插值法,选择插值节点文件,有点小麻烦()
    2018-03-15 20:34:53下载
    积分:1
  • GWR4操作说明
    GWR能够实现地理加权回归计算,里面有GWR4操作说明,虽然是英文,但有图片介绍,很容易理解,是GWR模型入门的好工具,适合经济学、数据挖掘等人员使用(GWR can realize geographically weighted regression calculation, including GWR4 operation instructions. Although it is in English, it has pictures to introduce, and is easy to understand. It is a good tool for GWR model entry. It is suitable for personnel such as economics and data mining.)
    2018-03-16 17:17:11下载
    积分:1
  • 696518资源总数
  • 105549会员总数
  • 12今日下载