MASHU77的博客

原创 主成分分析（PCA）

在使用机器学习解决现实中的许多问题时我们可能会遇到高维数据。这些数据虽然包含丰富的信息，但也会带来一些挑战，比如计算复杂度高、模型训练时间长、可视化困难等。主成分分析（PCA）是一种强大的降维技术，能够帮助我们简化数据，提取其中最重要的特征。主成分分析（Principal Component Analysis, PCA）是一种线性降维方法，通过将高维数据投影到一个低维空间中，同时尽可能保留数据的主要信息。PCA的核心思想是找到数据中的主成分，这些主成分是数据方差最大的方向。

原创 支持向量机（SVM）

支持向量机（Support Vector Machine, SVM）是一种强大的分类算法，它是一种监督学习模型，用于分类和回归分析。其核心思想是通过找到一个最优超平面将不同类别的数据分开。通过本文的介绍，我们从零实现了一个线性支持向量机（SVM），并使用随机生成的数据进行了训练、预测和评估。SVM是一种强大的分类算法，能够有效地找到最优超平面，将不同类别的数据分开。希望这篇文章能够帮助你更好地理解SVM的工作原理和实现方法。

原创 逻辑回归：从原理到实现

逻辑回归的名字中虽然有“回归”二字，但它实际上是一种分类算法，用于解决二分类问题，是一个线性分类器。本文将介绍逻辑回归的原理和实现。逻辑回归是一个简单且高效的机器学习分类算法，通过本文的介绍，希望读者能了解逻辑回归的原理。%20b%20b。

原创 朴素贝叶斯算法

朴素贝叶斯算法是一种基于贝叶斯定理的分类算法，它简单而高效。它的经典应用案例为人所熟知：文本分类（如垃圾邮件过滤）。本文将介绍朴素贝叶斯算法的原理和实现。朴素贝叶斯算法是一种简单而有效的分类方法，在入门机器学习和处理文本数据时具有重要意义。通过本文的介绍，希望读者能够对朴素贝叶斯算法有所了解，并能够应用于实际问题中。

原创 构建一个决策树

决策树（Decision Tree）是一种分类和回归方法，是基于各种情况发生的所需条件构成决策树，以实现期望最大化的一种图解法。决策树的主要优点是易于理解和解释，它能够从数据中学习出规则，以一种类似树的结构呈现。

原创 ROC曲线与PR曲线及其在不同k值下的分析

在机器学习中，评估分类模型的性能是至关重要的一环。了解和熟练运用分类模型评估指标能够帮助我们更好地理解模型的表现，并作出有效的改进。本文将深入探讨常见的分类模型评估指标，介绍ROC曲线和PR曲线，并通过Python代码实现不同k值下的ROC曲线，最后对结果进行分析。

原创 从零实现KNN算法

KNN（K Near Neighbor）意为k个最近邻居，对于一个未知样本，通过计算训练集中最相似（距离最近）的k个样本，利用它们的标签进行分类或者回归预测。该算法简单易懂并且在解决一些问题表现出了出色的性能。KNN算法作为一种简单而有效的分类方法，为我们提供了解决问题的一种思路。通过本文的介绍，相信读者对KNN算法有了更深入的理解，并能够灵活运用到实际问题中。在实际应用中，我们可以根据具体问题的需求对KNN进行改进和优化，使其发挥更大的作用。

原创 ###作业###