机器学习
文章平均质量分 93
复现多种传统机器学习模型算法,用于理解算法以及后续优化迭代
GUIRR
一半的彩虹
展开
-
机器学习实践(下):从数据处理到模型优化,掌握关键代码技巧(可收藏随时拿来用)
可直接拿来使用机器学习建模,从0到1,从无到有。原创 2023-08-06 17:39:07 · 1757 阅读 · 1 评论 -
机器学习实践(上):从数据处理到模型优化,掌握关键代码技巧(可收藏随时拿来用)
从数据处理到模型优化,可直接拿来使用,更换自己的数据集即可原创 2023-08-06 15:51:24 · 2325 阅读 · 2 评论 -
多分类逻辑回归原理与复现
复现多分类逻辑回归,并给出伪代码和本文复现的详细代码。在本文对代码给出了详细的注释,能够更好的理解每一行代码的作用。同时使用数据进行验证,可发现效果更好。原创 2023-07-04 23:49:34 · 1251 阅读 · 0 评论 -
二分类逻辑回归原理与复现
复现二分类LogisticRegression(逻辑回归),加深模型的理解与复现能力。文中会给出伪代码和相关的具体计算案例帮助理解。逻辑回归(Logistic Regression)是一种用于解决分类问题的统计学习方法。与线性回归不同,逻辑回归的因变量是离散的而非连续的。它通过建立一个逻辑回归模型来预测观测值所属的类别,模型输出的值范围在0和1之间,表示观测值属于某个类别的概率。原创 2023-07-04 22:34:31 · 1744 阅读 · 2 评论 -
GaussianNB原理解释和代码复现
多加学习和理解不同机器学习算法,因此写下这篇关于GaussianNB(高斯朴素贝叶斯)算法的详细伪代码以及计算过程。提示:以下是本篇文章正文内容,下面案例可供参考在这里给出了sklearn库的GaussianNB类与编写的MYGaussianNB类,使用了相同数据集进行验证。同时在前面给出了该算法的伪代码和实际小例运算,方便读者们更好的理解。原创 2023-07-04 15:31:43 · 2082 阅读 · 1 评论 -
优化KNN算法
读者可看此文章,为复现的knn算法python实现KNN算法_AGuiRong的博客-CSDN博客该文章为针对复现的knn算法进行优化。对KNN算法采取了10折运算原理,在给定的参数范围内选取最优参数值,并给出了可视化效果。原创 2023-07-03 23:07:58 · 2008 阅读 · 1 评论 -
python实现KNN算法
使用numpy复现KNN算法。(1)更加了解算法以及熟练复现能力。(2)为后续优化改进KNN算法做铺垫。(3)涉及到的运算使用numpy,加快运算。后续,将会如kmeans算法一样,将三支决策思想融入进去,优化算法。使得knn算法的效果提升的更好。原创 2023-07-03 21:23:49 · 3925 阅读 · 1 评论 -
基于ID3算法的决策树分类模型
用于理解决策树模型,并以此进行复现依据ID3算法,进行复现。在复现中,尽可能所有运算只通过numpy实现,减少for循环的调用,做到减少运算量,加快运算结果。原创 2023-07-01 16:21:40 · 1274 阅读 · 0 评论 -
分类模型-GridSearchCV-网格调参
最近需要进行模型对比,验证算法好坏。针对每种模型,都有他们对应的参数可以进行调整,我们如果有足够的算力的话,可以考虑的参数个数多点,参数值范围广一点。如果我们考虑的参数受到限制的话,甚至可能效果是会比初始参数的效果要差一些,毕竟网格搜索就是更多的网格(参数)会搜索更好的结果。其实我们在建模之前,不妨先对数据进行处理,可以挑选有效特征列(属性),这样的话,能够使得用较少的属性,获取更大的指标值(accuracy,f1等等)。读者不妨可参考模糊粗糙集知识。对数据集筛选,进行属性约简。原创 2023-05-30 20:39:52 · 5596 阅读 · 7 评论 -
基于三支决策思想的Kmeans优化
基于三支决策思想的kmeans算法优化原创 2023-06-29 22:06:16 · 672 阅读 · 2 评论