GE90115-CSDN博客

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 16:06:07 894

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 21:51:32 928 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 1045

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 17:40:49 947 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 21:36:10 267

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 60

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 21:07:11 168 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 40 1

GE90115的博客