- 博客(3)
- 收藏
- 关注
RSS订阅原创 基于支持向量机的分类预测
1.支持向量机1）线性可分的概念D0和D1是n维欧氏空间中的两个点集（点的集合）。如果存在n维向量w和实数b，使得所有属于D0的点xi都有 wxi+b>0，而对于所有属于D1的点xj则有wxj+b<0。则我们称D0和D1线性可分。2）线性可分支持向量机就是：以找出线性可分的样本在特征空间中的最大间隔超平面为学习目的的分类模型。3）拉格朗日乘子法目标函数：minf(x,y)s.t.g(x,y)<=0利用梯度法求得：4）KKT约束条件将上面拆分开的严格不等式和等式两种情况再
2020-08-26 09:45:14
435
转载 基于决策树的分类预测
**1.什么是决策树？决策树是一种非常基础又常见的机器学习模型。一棵决策树（Decision Tree）是一个树结构（可以是二叉树或非二叉树），每个非叶节点对应一个特征，该节点的每个分支代表这个特征的一个取值，而每个叶节点存放一个类别或一个回归函数。使用决策树进行决策的过程就是从根节点开始，提取出待分类项中相应的特征，按照其值选择输出分支，依次向下，直到到达叶子节点，将叶子节点存放的类别或者回归函数的运算结果作为输出（决策）结果。决策树的决策过程非常直观，容易被人理解，而且运算量相对小。它在机器学习当中
2020-08-23 10:09:52
204
原创 基于逻辑回归的分类预测
1.逻辑回归原理1）逻辑回归（Logistic Regression）是一种简单、高效的常用分类模型，其模型函数为：它在二维坐标中的表现是这样的：因为表现为 S 形曲线，所以逻辑函数又被称为 Sigmoid 函数（S 函数）。上图中，z是自变量（横轴），最终计算出的因变量 y（纵轴），则是一个 [0,1] 区间之内的实数值。一般而言，当 y>0.5时，z被归类为真（True）或阳性（Positive），否则当 y<=0.5时，z被归类为假（False）或阴性（Negative）。所以，
2020-08-19 20:57:25
330
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