星星子Yocio-CSDN博客

原创机器学习入门（吃瓜第五章神经网络）

支持向量机（Support Vector Machine, SVM）是一种用于分类和回归分析的监督学习算法。它因在处理小样本、非线性和高维数问题方面表现优异而备受关注。SVM 的基本思想是通过寻找一个能够最大化类间间隔的超平面，以实现对数据的最佳分类。支持向量机 (SVM) 是一种用于分类和回归分析的监督学习算法，擅长处理小样本、非线性和高维数据问题。SVM 通过最大化类间间隔寻找最佳分类超平面，并引入核函数来处理非线性数据。其优化问题包括原始问题和对偶问题，通过拉格朗日乘子法简化求解。

2024-07-07 21:36:30 900

原创机器学习入门（吃瓜第六章支持向量机）

M-P 神经元是一种早期重要的数学模型，用于模拟生物神经元的功能。感知机是基于 M-P 神经元的分类模型，适用于线性可分的数据。神经网络由多个神经元构成，能够解决线性不可分的问题，并且具有很强的函数逼近能力。反向传播算法（BP算法）是训练神经网络的核心方法，通过梯度下降法实现高效训练。

2024-07-05 00:40:37 1110

原创机器学习入门（吃瓜第四章决策树)

因此在实际中，C4.5 算法并不是直接选择增益率最大的候选划分属性，而是使用了一个启发式方法：先从候选划分属性中找出信息增益高于平均水平的属性，再从中选择增益率最高的。由图4.2可知，决策树学习的关键是第8行，也就是如何选择最优划分属性。随着划分过程的不断进行，希望决策树的分支节点所包含的样本尽可能属于同一类别，即节点的“纯度”(purity) 越来越高。例如，将编号作为划分属性的话，每个编号下面只有一个样本，这些分支节点的纯度已经达到最大，但是这样划分的决策树不具有泛化能力，无法对新样本进行有效预测。

2024-07-01 22:08:02 1155

原创机器学习入门（吃瓜第三章(3) 二分类线性判别分析)

线性判别分析（Linear Discriminant Analysis, LDA）是一种经典的线性分类方法，也被称为Fisher线性判别。LDA的基本思想是通过将高维数据投影到低维的线性子空间中，以达到优化分类效果的目的。在投影过程中，LDA追求以下两个目标：最大化类内紧凑性：LDA寻求一种投影方式，使得同类样本在投影后的低维空间中的投影点尽可能聚集在一起，即同类样本的投影点之间的方差（类内散度）应尽可能小。这样做是为了确保同类样本在投影后的空间中具有高度的相似性，从而增加分类的准确性。

2024-06-29 01:24:44 966

原创聪明办法学 Python 字符串 Strings

单引号与双引号要适时出现，多行文本用三引号。字符串中可以包含转义序列。repr()能够显示出更多的信息。字符串本身包含许多内置方法，in是一个特别好用的玩意。字符串是不可变的常量。文件操作推荐使用，这样就不用写f.close()啦。纵观历史，你会看到苹果创始人史蒂夫·乔布斯对 Less is More 的追求，看到无印良品“删繁就简，去其浮华”的核心设计理念，看到山下英子在《断舍离》中对生活做减法的观点，甚至看到苏东坡“竹杖芒鞋轻胜马，一蓑烟雨任平生”的人生态度。你会发现。

2024-06-29 00:41:31 1144

原创聪明办法学 Python 循环 Loop

For 循环用于指定范围的重复操作。range()可以生成一个数字范围。在不知道循环什么时间停止的时候，应该试试 While 循环。循环同样也是可以嵌套的。巧妙地使用break和continue语句。合理的剪枝，缩小搜索范围/循环范围，可以大幅提高程序运行效率。

2024-06-26 20:49:04 821 1

原创机器学习入门（吃瓜第三章(2) 对数几率回归）

对数几率回归用于分类任务，特别是二分类问题。它通过学习输入特征与输出类别之间的关系来预测分类结果。模型输出的是一个实值，通过对数几率函数（Sigmoid函数）转换为介于0和1之间的概率值，用于判断样本属于某一类的概率。模型形式：使用对数几率函数（Sigmoid函数）将模型输出的实值转换为概率值。

2024-06-25 23:32:53 904

原创聪明办法学 Python 条件

if-else 结构构成了 Python 分支控制，if 还能嵌套使用。合理的编写风格会让代码更易读，还能尽可能避免引入 bug。

2024-06-25 01:19:10 1026

原创聪明办法学 Python 变量与函数

变量只是个标签，物理设备上有啥才是重点def、header、body、缩进、return函数是有作用域的，类似双层玻璃，里面可以看见外面，外面不能看见里面Helper Function 有时候会很有用一定要亲眼看代码是怎么跑起来的。

2024-06-23 00:43:46 714

原创机器学习入门（吃瓜第三章(1) 线性回归）

机器学习三要素机器学习三要素：根据具体问题，确定假设空间。：根据评价标准，确定选取最优模型的策略（通常会产生一个“损失函数”）。：求解损失函数，确定最优模型。

2024-06-23 00:17:48 665

原创聪明办法学 Python 数据类型和操作

Python 的类型系统很丰富，可以使用type()查看对应的类型常数类型的值是不可修改的除法操作默认是浮点数除法，整除操作需要使用//运算符之间有运算优先级，运算符作用于不同对象之间的效果是不同的在进行逻辑判断时，会使用短路求值。

2024-06-20 22:56:47 249

原创机器学习入门（吃瓜第一章+第二章）

机器学习是将无序数据转换为有用信息的过程，研究学习算法的学科。根据Tom M. Mitchell的定义，一个计算机程序如果能够通过经验E在某些任务T上的性能P不断提高，那么该程序被认为是能够从经验中学习的。例如，在垃圾邮件分类任务中，通过不断增加带标签的邮件数据集（经验E），提高分类准确率（性能度量P），程序在该任务T上的性能不断提升，即说明程序学会了从经验中学习。

2024-06-20 00:31:46 736

Serena_yocio的博客