![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
sklearn
文章平均质量分 85
北纬36°酱菜馆
萤火和星光不比灿烂,依旧照亮前行的路;我们不分彼此,一路同行。
展开
-
Python可视化学习
最后,祝大家科研顺利!原创 2023-11-09 22:09:51 · 84 阅读 · 1 评论 -
支持向量机(Support Vector Machines)
支持向量机(Support Vector Machine, SVM)是 Cortes 和 Vapnik 于 1995 年首先提出的,它在解决小样本、非线性及高维模式识别中表现出许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中。原创 2023-10-12 16:34:14 · 247 阅读 · 0 评论 -
偏最小二乘法回归(Partial Least Squares Regression)
PCA 通过线性变换将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要特征分量,常用于高维数据的降维。中的数据点按特征进行 PCA 之后,拆接出单个映射方向的特征向量及投影,再用投影对。就是要求的投影方向。缺点在于对特征的处理方式比较粗糙,用的是线性回归来表示。可逆,这样就可以用最小二乘法来进行回归了,这样的称为主元回归(PCR)。在某条线上的投影,因此会存在线性回归的一些缺点;(这里的主成分并不是通过 PCA 得出的主成分)在计算模型的过程中,得到了。6)综合 4)和 5),得到优化目标。原创 2023-10-09 22:00:50 · 3398 阅读 · 2 评论