- 博客(8)
- 收藏
- 关注
RSS订阅原创 机器学习八———主成分分析
主成分分析（Principal Component Analysis，PCA）是一种常用的数据降维技术，它通过线性变换将原始特征空间映射到一个新的特征空间，新特征空间中的特征被称为主成分。PCA的目标是通过保留数据中的主要信息来减少特征的维度，从而降低数据的复杂性和减少噪声的影响。在PCA中，第一主成分是数据中方差最大的方向，第二主成分和第一主成分正交且方差次大，之后的主成分以此类推。因此，PCA将原始数据投影到重要方向上，并且丢弃对方差贡献较小的方向，从而实现数据的降维处理。
2024-01-01 19:35:39
952
原创 机器学习七———SVM
总的来说，SVM是一种强大且灵活的机器学习模型，广泛应用于许多领域，如文本分类、图像识别、生物信息学和金融领域等，这次实验展示了如何使用支持向量机（SVM）对随机生成的二维数据集进行训练和预测，并通过可视化展示了模型的决策边界和支持向量。。
2023-12-18 20:01:42
64
原创 机器学习六———logistic 回归
在给定的代码中，我们使用梯度下降算法训练了逻辑回归模型，然后对50个随机生成的训练样本进行了二分类。最后，我们通过绘制散点图和分类线来展示了训练数据的分类效果。
2023-12-04 20:06:47
88
原创 机器学习五———垃圾分类
总体而言，朴素贝叶斯算法在垃圾邮件分类等文本分类任务中的优点在于其简单性、高效性和对高维度数据的适应性。然而，需要注意的是，它的“朴素”假设可能在某些实际情况下不成立，因此在特定场景中可能需要考虑其他更复杂的分类算法。
2023-11-20 19:29:28
270
1
原创 机器学习四———决策树
在决策树实验中，我们使用了自建数据集，训练了一个决策树分类器。通过将数据集分为训练集和测试集，我们评估了模型的性能。决策树模型可以根据特征的不同分裂数据，非常适用于分类任务。此实验提供了一个基本的模型构建框架，可以应用于自定义数据集和问题，同时也强调了数据预处理、特征工程和模型评估的重要性。
2023-11-06 20:50:41
142
原创 机器学习三———模型评估
机器学习模型评估是指对训练好的机器学习模型进行性能评估和分析的过程。它旨在了解模型在真实数据上的表现如何，并提供关于模型质量、准确性和可靠性的信息。总而言之，机器学习模型评估旨在提供关于模型性能的定量和定性信息，以便选择最佳模型、调整模型参数或改进模型设计。
2023-10-23 19:28:38
193
原创 机器学习二——knn临近算法
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。总之，KNN算法是一种简单而强大的监督学习算法，可以用于解决分类和回归问题。尽管KNN算法存在一些限制，但通过合适的参数选择和数据预处理，可以克服这些限制并获得令人满意的结果。
2023-10-09 20:50:10
70
1
原创 机器学习一———软件安装
一.Anaconda安装（安装成功后，在CMD中检查Anaconda时候加入到环境变量中）。2.1.2 创建成功后，输入以下命令查看安装的所有环境：conda info --envs。1.1.验证anaconda环境是否安装成功：conda –version。选择conda环境，并选择pytorch环境的pytorch.exe解释器。根据官网的提示，选择适合的CUDA版本，并复制command中的命令。1.2 查看anaconda已经安装了哪些包：conda list。二、PyTorch安装。
2023-09-25 19:38:50
51
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