- 博客(4)
- 收藏
- 关注
原创 决策树简单介绍及实践
决策树是一种直观的模型,通过树状结构表示决策过程。每个内部节点代表一个特征上的判断,每个分支代表一个判断结果的输出,每个叶节点代表最终决策结果。决策树作为一种强大的机器学习算法,以其直观性和易于实现的特点,在数据科学领域占有一席之地。尽管存在一些局限性,但通过合适的优化和集成方法,决策树可以成为解决复杂问题的有效工具。
2024-04-30 15:55:32 660
原创 分类模型评估指标以及ROC曲线和PR曲线
选择合适的评估指标取决于具体的应用场景和业务需求。例如,如果我们更关心减少假正例的数量,可能会更关注精确率;如果我们希望尽可能多地识别出所有正类样本,召回率可能更为重要。在实际应用中,通常会结合多个指标来综合评估模型的性能。
2024-04-16 16:58:28 778
原创 KNN/K邻近算法的简单理论及python实现
在Python中实现KNN算法,我们通常会使用`scikit-learn`库,它提供了一个简单易用的KNN实现。以下是一个使用`scikit-learn`中的`KNeighborsClassifier`和`KNeighborsRegressor`进行分类和回归的基本示例。虽然它在处理大数据集时可能会遇到性能瓶颈,但通过合理的优化和选择合适的参数,KNN仍然是一个非常有用的工具。对于一个新的数据点,我们想要预测它的标签或数值,我们只需查看训练集中与之最相似的K个数据点,然后根据这些邻居的信息来做出预测。
2024-04-16 13:07:43 595
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