- 博客(7)
- 收藏
- 关注
RSS订阅原创 【手写PCA实战】从零打造人脸降维与重构系统（附完整代码解析）
本文介绍使用Python手写PCA算法实现人脸图像降维与重构的过程。通过ORL_Faces数据集，演示了图像加载、PCA核心算法实现（包括数据标准化、协方差矩阵计算、特征分解等步骤），以及降维后图像重建与主成分可视化。实验结果显示，PCA能有效保留人脸主要特征，重建图像质量良好，同时提取出的Eigenfaces主成分直观展示了算法捕获的特征方向。该实现为理解PCA数学原理和实际应用提供了完整范例。
2025-06-04 00:45:00
779
原创 使用支持向量机构建垃圾邮件过滤器：从原始邮件到智能分类
本文展示了从原始邮件文本到高性能垃圾邮件分类器的完整构建流程，关键步骤包括：规范化文本预处理基于词袋模型的特征提取训练线性核 SVM 分类器在测试集上获得超过 98% 的准确率未来可进一步引入以下改进：使用TF-IDF代替二值特征表示采用深度学习模型（如CNN或Transformer）引入反垃圾策略对抗对抗性文本变体通过本项目，我们不仅掌握了邮件分类的基本流程，也体验了如何将自然语言处理与机器学习模型融合以解决实际问题。
2025-05-24 00:00:00
898
原创 Logistic逻辑回归
在实际工程项目中，我们经常会遇到“判断属于哪个类别”的问题，比如判断设备是否异常、客户是否会流失、甚至是图像中是否有人脸。这类问题可以抽象成一个非常典型的。而 Logistic 回归，就是解决这种问题的一个简单又好用的模型。它的好处在于：结构清晰，不需要太复杂的计算；输出的是概率，能给出“有多可能”而不是一刀切；适合用来做入门机器学习的实践练习。本次实验的目的是：学习如何用 Python 实现 Logistic 分类器；熟悉梯度上升算法是如何一步步训练模型的；
2025-05-19 12:01:44
840
原创 使用决策树算法构建贷款审批预测模型
本文将展示如何使用Python和Scikit-learn构建一个基于决策树的贷款审批预测模型，包含从数据准备到模型部署的全流程。df['类别'] = df['类别'].apply(lambda x: 1 if str(x).strip() in ['1', '是'] else 0)excel_data = pd.read_excel('数据表.xlsx', sheet_name='Sheet1')目标变量二值化（"是"/"否" → 1/0）分类报告（精确率/召回率/F1值）特征编码（将分类变量转为数值）
2025-04-20 20:05:38
1064
原创 理解ROC曲线与AUC：用KNN分类器进行性能评估
ROC曲线（Receiver Operating Characteristic curve，受试者工作特征曲线）是一种展示分类模型在所有分类阈值下性能表现的图形化方法。它绘制了真正例率(TPR)和假正例率(FPR)之间的关系：真正例率(TPR，又称灵敏度)：正例被正确识别的比例假正例率(FPR)：负例被错误识别为正例的比例AUC（Area Under the Curve）则是ROC曲线下的面积，提供了模型整体性能的单一数值度量。AUC值越接近1，模型性能越好；
2025-04-05 11:25:12
784
原创 基于K近邻算法的分类器的实现
我们很容易发现，当计算样本之间的距离时数字差值最大的属性对计算结果的影响最大，也就是说，每年获取的飞行常客里程数对于计算结果的影响将远远大于上表中其他两个特征-玩视频游戏所耗时间占比和每周消费冰淇淋公斤数的影响。3. **确定K值：选择一个K值**，即在分类或回归时应考虑的邻居数量。7. **优化：**基于性能评估结果，可能需要返回并调整某些参数，如K值、距离度量方法等，以获得更好的性能。2. **选择距离度量方法**：确定用于比较样本之间相似性的度量方法，常见的如欧几里得距离、曼哈顿距离等。
2025-03-24 10:42:10
811
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