- 博客(8)
- 收藏
- 关注
RSS订阅原创 机器学习——PCA主成分分析
主成分分析（Principal Component Analysis，PCA）是一种常用的无监督学习算法，用于降维和数据可视化。其目标是通过线性变换将高维数据集投影到低维空间中，同时尽可能保留原始数据的信息。PCA的基本思想是找到数据中的主要成分或特征，即那些能够解释数据方差最大部分的特征。这些主成分是数据中协方差最大的方向，也就是数据变化最大的方向。通过计算数据的协方差矩阵，可以得到一组正交的特征向量，它们称为主成分。这些主成分按照其对数据方差解释的贡献程度进行排序。
2024-01-01 21:58:10
919
原创 机器学习——支持向量机(SVM)
支持向量机是一种强大的机器学习算法，用于分类和回归。它通过最优超平面来分隔不同类别的样本，并具有较好的泛化能力和鲁棒性。然而，SVM在计算复杂度和参数选择方面存在挑战。在实际应用中，需要适当调整参数和进行模型优化。
2023-12-18 21:59:49
6128
1
原创 机器学习——Logistic回归
Logistic回归是一种强大而灵活的工具，适合于那些目标变量是二元的分类问题。尽管它有一定的局限性，但由于其模型简单、易于理解和实施，在实际应用中仍然非常受欢迎。然而，在面对复杂的非线性问题时，可能需要考虑更先进的算法或者对Logistic回归进行扩展。
2023-12-04 21:54:21
103
原创 机器学习——朴素贝叶斯
朴素贝叶斯是一种基于贝叶斯定理的分类算法，常用于文本分类、垃圾邮件过滤等领域。它的基本思想是通过先验概率和条件概率计算后验概率，从而实现分类。在朴素贝叶斯分类中，我们假设每个特征（词汇、属性等）与其他特征都是独立的，这就是“朴素”的原因。
2023-11-21 14:42:46
70
原创 机器学习——ROC曲线、PR曲线
PR曲线和ROC曲线是评估分类模型性能的重要工具。它们可以帮助我们在不同阈值下比较模型的性能，并选择最佳的阈值进行预测。这篇博客将介绍如何使用Python实现PR曲线和ROC曲线，并提供相应的示例代码。
2023-10-23 20:54:27
195
原创 KNN算法
KNN算法又叫做K近邻算法，是众多机器学习算法里面最基础入门的算法。KNN算法是最简单的分类算法之一，同时，它也是最常用的分类算法之一。KNN算法是有监督学习中的分类算法，它看起来和Kmeans相似（Kmeans是无监督学习算法），但却是有本质区别的。
2023-10-09 20:41:42
76
2
原创 机器学习环境搭建（vscode+anaconda的安装+conda虚拟环境的激活）
机器学习环境搭建（vscode+anaconda的安装+conda虚拟环境的激活）
2023-09-25 21:59:09
106
1
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