- 博客(8)
- 收藏
- 关注
RSS订阅原创 机器学习-主成分分析（PCA)
这次实验我们了解了关于主成分分析（PCA）的具体运用方法，了解了它的概念方法，原理，以及实战的一些方法。知道了PCA是一种无监督学习算法，它通过最大化方差来选择主成分，但在降维过程中可能会丢失一些重要信息，特别是低方差的主成分往往包含了一些有用的局部模式。同时，PCA只能处理线性关系，对于非线性关系的数据降维效果不好。PCA是一种简单而有效的降维算法，在很多数据处理和特征提取的场景下都有广泛应用。然而，对于一些特定问题，可能需要考虑其他更适合的降维方法，例如流形学习等非线性降维技术。
2024-01-01 20:08:08
608
原创 机器学习-支持向量机
在支持向量机这个实验中，我们学习了支持向量机是一种二分类模型，它将实例的特征向量映射为空间中的一些点，SVM 的目的就是想要画出一条线，以 “最好地” 区分这两类点，以至如果以后有了新的点，这条线也能做出很好的分类。SVM 适合中小型数据样本、非线性、高维的分类问题。我们也学习了它的算法原理及概念，同时也知道了它在多种不同问题中的方法。bd++
2023-12-18 21:40:13
936
1
原创 机器学习-Logistic回归
通过上述原理的说明，我们知道了机器学习Logistic回归算法的概念以及如何通过Logistic回归来处理模型，还有这回归函数的的含义，并且我们通过获取数据集之后对数据进行预处理，再通过对数据集进行Logistic回归算法之后，对模型进行创建、训练与评估之后，得出最后的预测结果。我们也可以知道Logistic回归算法具有很好的数学原理。而且在数据量很小的时候我们可以通过普通梯度算法来解决问题，首先复杂度不高，且准确度好，数据量很大的时候我们可以通过随机梯度上升算法来计算，以此来减小函数的复杂度。
2023-12-04 17:09:32
939
原创 机器学习-朴素贝叶斯算法
通过上述原理的说明，我们知道了机器学习朴素贝叶斯算法的概念以及如何通过贝叶斯定理来处理模型数据，还有这朴素贝叶斯分类器的含义，并且我们通过获取数据集之后对数据进行预处理，再通过对数据集进行朴素贝叶斯算法之后，对模型进行创建、训练与评估之后，得出最后的预测结果。我们也可以知道朴素贝叶斯算法主要基于经典的贝叶斯公式进行推倒，具有很好的数学原理。而且在数据量很小的时候表现良好，数据量很大的时候也可以进行增量计算。由于朴素贝叶斯使用先验概率估计后验概率具有很好的模型的可解释性。
2023-11-20 21:36:27
99
1
原创 机器学习-决策树
决策树概念决策树是一种机器学习的方法，是一种对实例进行分类的树形结构。决策树由结点和有向边组成。结点有两种类型：内部结点和叶节点。内部结点表示一个特征或属性，叶节点表示一个类。每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果。决策树是一种十分常用的有监督学习分类方法。如下图，红色为内部节点，其余为叶节点。决策树基本流程（1）当前节点包含的样本全部属于同一类别，无需继续划分；（2）当前属性集为空或者所有样本在某个属性上的取值相同，无法继续划分；
2023-11-06 20:56:55
61
原创 KNN算法绘制ROC曲线与PR曲线
通过上述原理的说明，我们知道了ROC曲线与PR曲线的概念以及绘制这两条曲线的原理，还有这两条曲线的含义，并且我们通过KNN算法来获取部分数据，获取数据集，得出最后的预测结果。上述代码为我们随机生成1000样本的随机数据集，再据此划分为训练集与测试集，特征标准化之后，我们初始化KNN分类器，并且设置k值为5，再接着训练KNN分类器，求出ROC曲线和PR曲线的真正率，假正率，精准率及召回率，最后生成曲线图。也就是曲线越接近（1，0）曲线，表明模型泛化性能越好，即AUC越接近1，则它的性能就越好。
2023-10-23 21:52:11
434
原创 KNN算法以及用KNN实现分类或回归相关案例
通过上述原理的说明，我们知道了KNN算法是通过处理一部分数据，获取数据集，然后通过一些已知的距离公式求解方法来计算一些例子与已知数据的距离，得出最后的预测结果。而我们通过鸢尾花案例的展示，我们可以看出KNN算法的强大之处，可以通过数据的处理，在小误差范围内得出最后的预测结果，我们可以看出KNN算法思想简单、效果好，可解决多分类问题。
2023-10-09 21:41:21
244
1
原创 机器学习——vscode、anaconda安装及环境配置
在机器学习环境的搭建过程当中也遇到了许多困难，可见环境的搭建在深度学习中的重要性，在本专业的学习过程当中也是十分关键的，没有一个好的平台的搭建，对后续的学习过程也是影响很大的。在后面的学习过程中，也发现python的使用也是非常重要的，虽然我们在之前的学习中并没有学习过python，但在后续的学习过程中也要重新学习这方面的知识。
2023-09-25 18:04:51
1175
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人