- 博客(8)
- 收藏
- 关注
RSS订阅原创 机器学习基础-监督学习：支持向量机
SVC的基本概念超平面、支持向量、边界可以解决分类问题SVC，回归问题SVR核函数(核技巧)的定义/作用过拟合硬间隔、软间隔（调参C，发生过拟合后如何调整参数C）不同核函数的调参（重点掌握多项式核和高斯核）如果SVR模型发生过拟合，可以调高 ε
2024-10-15 15:21:43
705
原创 机器学习基础-线性模型：线性回归（LR）、逻辑回归、多分类问题、过拟合和正则化（岭回归、Lasso回归）、特征缩放（ 最小-最大规范化、 Z-score标准化）
在实践中使用非常广泛´利用输入样本特征的线性函数 / 线性组合进行结果预测´回归问题：线性回归´分类问题：逻辑回归
2024-10-15 11:54:06
700
原创 计算机网络期末总复习
定义是一个将地理位置不同的、具有独立功能的计算机系统，通过通信线路连接起来，由功能完善的软件实现⭐️资源共享和信息传递的系统。
2024-05-05 21:57:26
2034
原创 数学建模：熵权法（客观赋权法）
熵权法就是根据一项指标的变化程度来分配权重的，举个例子：小张和小王是两个高中生，小张学习好回回期末考满分，小王学习不好考试常常不及格。在一次考试中，小张还是考了满分，而小王也考了满分。那就很不一样了，小王这里包含的信息就非常大，所对应的权重也就高一些。上面的小例子告诉我们：越有可能发生的事情，信息量越少。越不可能发生的事情，信息量就越多。其中我们认为概率就是衡量事情发生的可能性大小的指标。
2023-07-24 20:10:51
2770
原创 数学建模——解决评价类问题：优劣解距离法（TOPSIS法）
TOPSIS法（Technique for Order Preference by Similarity to Ideal Solution）可翻译为逼近理想解排序法，国内常简称为优劣解距离法。TOPSIS 法是一种常用的，其能，其结果能精确地反映各评价方案之间的差距。那么如何利用原始数据的信息呢？在上一篇层次分析法中，我们提到了层次分析法的局限性，如：决策因素不能太多，数据已知的情况下不容易用数据进行准确的说明。那么TOPSIS法就是利用数据进行说明，而且也对决策因素没有限制。
2023-07-23 21:34:25
683
1
原创 数学建模：解决评价类问题——层次分析法（AHP）
思考一个问题，拿方案层关于景色的矩阵说明，假设我们填写的判断矩阵是这个样子：假设：苏杭 = A、北戴河 = B、桂林 = C，那么由矩阵可以看出，苏杭比北戴河景色好一点 A > B，苏杭和桂林景色一样好 A = C，北戴河比桂林景色好一点 B > C，出现了。
2023-07-23 11:59:43
8088
2
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