- 博客(8)
- 收藏
- 关注
原创 主成分分析 PCA
主成分分析(Principal Component Analysis,简称PCA)是一种常用的数据降维技术和统计分析方法。它通过线性变换将原始数据转换为一组新的正交变量,称为主成分,使得在这些主成分上数据的方差最大化。主成分分析可以用于数据压缩、数据可视化、特征提取和降低数据维度等任务。通过主成分分析,我们可以将高维的数据集投影到低维的子空间上,从而实现数据的降维。降维后的数据集可以更好地可视化,同时减少了数据的维度,使得后续的数据分析和模型建立过程更加高效。
2023-12-31 16:06:07
1065
原创 支持向量机(SVM):理解原理与应用
支持向量机(Support Vector Machine, SVM)是一类按监督学习(supervised learning)方式对数据进行二元分类的广义线性分类器(generalized linear classifier),其决策边界是对学习样本求解的最大边距超平面(maximum-margin hyperplane)。在机器学习领域,不仅可以用于分类问题,还可以进行回归分析。SVM通过将数据映射到高维空间中,找到一个最优的超平面来划分不同类别的数据点,从而实现了高效准确的分类。
2023-12-18 21:51:32
1103
1
原创 Logistic回归原理及其应用
Logistic回归(Logistic Regression)是一种广泛应用于统计学和机器学习领域的分类算法,尤其适合于二分类问题。它的目的是找到一个能够预测目标变量的概率分布的模型。
2023-12-04 21:08:40
1491
原创 利用朴素贝叶斯分类器实现垃圾邮件分类
通过对该算法原理和实现步骤的详细介绍,可以发现朴素贝叶斯分类器具有简单高效、易于实现和良好的分类效果等优点。尽管朴素贝叶斯分类器在某些情况下可能存在一定的局限性,但它仍然是一种重要的垃圾邮件分类算法。未来,可以进一步优化该算法,结合其他技术手段,提高垃圾邮件分类的准确性和效率。
2023-11-20 17:40:49
2041
1
原创 机器学习——决策树
决策树算法是一种监督学习算法,适用于分类和回归问题。它以树状结构表示决策规则,每个内部节点代表一个特征属性,每个叶子节点代表一个类别或一个预测值。决策树算法通过对数据进行划分,使得每个划分后的子集尽可能地纯净,即同一子集内的样本属于同一类别或具有相似的预测值。
2023-11-06 21:36:10
560
原创 ROC曲线和PR曲线
对于一个二分类任务(假定为1表示正类, 0表示负类),对于一个样本,分类的结果总共有四种:类别实际为1,被分为0,FN(False Negative)类别实际为1,被分为1,TP(True Positive)类别实际为0,被分为1,FP(False Positive)类别实际为0,被分为0,TN(True Negative)可以用一个。
2023-10-23 19:57:56
100
原创 KNN算法的简单实现
k邻近算法,或者说K最邻近(KNN,K-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻,就是K个最近的邻居的意思,说的是每个样本都可以用它最接近的K个邻近值来代表。近邻算法就是将数据集合中每一个记录进行分类的方法使用euclidean_distance函数来计算两个样本之间的欧氏距离。使用函数来计算其与训练集中所有样本的距离,然后选择距离最近的前k个样本的标签,并统计最常见的标签作为预测值。
2023-10-09 21:07:11
221
1
原创 机器学习环境搭建
下载之后写入如果未选择自动配置,则需要在系统高级系统设置中自行写入系统环境变量。conda create -n 环境名 python==版本号。可以在cmd中输入conda env list来查看虚拟环境。自定义一个虚拟环境名字和指定python版本。安装完vscode之后下载python扩展。官网下载anaconda。按照个人需要下载后安装。
2023-09-25 20:08:05
56
1
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