- 博客(8)
- 收藏
- 关注
RSS订阅原创 机器学习---主成分分析PCA
然后还需要这组基是线性无关的，我们一般用正交基，非正交的基也是可以的，不过正交基有较好的性质。设原始数据矩阵 X 对应的协方差矩阵为 C，而 P 是一组基按行组成的矩阵，设 Y=PX，则 Y 为 X 对 P 做基变换后的数据。所以，对于向量 (3, 2) 来说，如果我们想求它在(1,0)(1,0)(0,1)(0,1)这组基下的坐标话，分别内积即可。为了让协方差为 0，我们选择第二个基时只能在与第一个基正交的方向上进行选择，因此最终选择的两个方向一定是正交的。所以，我们大致可以得到一个结论，我们。
2023-12-19 15:28:41
843
1
原创 机器学习---支持向量机
核函数是特征转换函数，它可以将数据映射到高维特征空间中，从而更好地处理非线性关系。核函数的作用是通过计算两个样本之间的相似度（内积）来替代显式地进行特征映射，从而避免了高维空间的计算开销。在SVM中，核函数的选择非常重要，它决定了模型能够学习的函数空间。常见的核函数包括：线性核函数（Linear Kernel）：最简单的核函数，它在原始特征空间中直接计算内积，适用于线性可分的情况。多项式核函数（Polynomial Kernel）：通过多项式函数将数据映射到高维空间，可以处理一定程度的非线性关系。
2023-12-18 21:45:32
951
1
原创 机器学习-----logistic回归：分类问题
Logistic回归（logistic regression）是统计学习中的经典分类方法，实际上是在用线性回归模型的预测结果去逼近真实标记的对数几率，有的教材也称Logistic回归为对数几率回归。这里要注意，虽然带有回归的字眼，但是该模型是一种分类算法，Logistic回归是一种线性分类器，针对的是线性可分问题。利用Logistic回归进行分类的主要思想是：根据现有数据对分类边界线建立回归公式，以此进行分类。Logistic回归优点：计算代价不高，易于理解和实现缺点：容易欠拟合，分类精准可能不高。
2023-12-04 19:22:42
62
原创 机器学习----朴素贝叶斯
后验概率P(Y|X)：事情已发生，要求这件事情发生的原因是由某个因素引起的可能性的大小，后验分布P(Y|X)表示事件X已经发生的前提下，事件Y发生的概率，称事件X发生下事件Y的条件概率。如果p 1 ( x , y ) > p 2 ( x , y ) p1(x,y) > p2(x,y)p1(x,y)>p2(x,y)，那么类别为1。如果p 1 ( x , y ) < p 2 ( x , y ) p1(x,y) < p2(x,y)p1(x,y)<p2(x,y)，那么类别为2。
2023-11-20 21:32:50
48
1
原创 机器学习---决策树
决策树是分类问题中最常用的模型之一，它的优势在于能够接受类别型的特征，分类效果与其他分类算法相当，训练和测试的效率高。决策树学习通常包括三个步骤：特征选择、决策树的生成和决策树的修剪。决策树由中间节点和叶子节点构成，中间节点包含决策函数用于决策的特征，叶子节点包含决策结果和类别标签。决策树学习算法通常采用启发式方法来建立次优决策树。在决策树的生成过程中，需要进行特征选择，常用的特征选择方法有信息增益、信息增益比和基尼指数。在决策树的修剪过程中，需要进行剪枝，常用的剪枝方法有预剪枝和后剪枝。
2023-11-06 20:20:31
34
原创 机器学习--PR和ROC曲线
ROC （Receiver Operating Characteristic Curve）：受试者工作特征。类似P-R曲线，根据学习器的预测结果（概率）对样例排序，并逐个作为正例进行预测，以“假正例率(False Positive)”为横轴，“真正例率(True Positive)”为纵轴可得到ROC曲线。
2023-10-23 21:10:06
147
原创 机器学习——K近邻算法
K近邻算法（K-Nearest Neighbors，简称KNN）是一种用于分类和回归的统计方法。KNN 可以说是最简单的分类算法之一，同时，它也是最常用的分类算法之一。KNN 算法是有监督学习中的分类算法，它看起来和另一个机器学习算法 K-means 有点像（K-means 是无监督学习算法），但却是有本质区别的。虽然K近邻算法由以下几个有以下几个优点，但也不乏这几个缺点。优点简单好用，容易理解，精度高，理论成熟，既可以用来做分类也可以用来做回归；可用于数值型数据和离散型数据；
2023-10-09 21:54:10
123
1
原创 安装Anaconda和VScode
下载好之后进行安装记住安装的文件目录，在高级环境系统设置中设置path变量以管理员身份打开cmd进入conda（base）是基础环境接下来创建虚拟环境anaconda命令创建python版本为x.x，名字为test的虚拟环境。test文件可以在Anaconda安装目录envs文件下找到。（其中python的版本不能高于3.9）我创建了一个名为test，python版本为3.7.1的虚拟环境只需要输入命令activate test即可进入虚拟环境接下来这是一些经常用到的命令。
2023-09-25 21:04:38
59
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