- 博客(7)
- 收藏
- 关注
RSS订阅原创 机器学习实验——支持向量机（SVM）
支持向量机（Support Vector Machine, SVM）是（generalized linear classifier），其 决策边界 是对学习样本求解的最大边距超平面（maximum-margin hyperplane）。相关知识：超平面：在数学上，超平面是一个线性决策边界，可以表示为 w⋅x+b=0，其中 w 是权重向量，x 是特征向量，b 是偏置项。对于二维平面来说，分隔超平面就是一条直线。对于三维及三维以上的数据来说，分隔数据的是个平面，称为超平面，也就是分类的决策边界。
2024-06-11 14:56:32
668
原创 一种简单高效的分类算法——逻辑回归
逻辑回归是一种统计学习方法，用于解决二分类问题。它基于线性回归的思想，通过对数据进行逻辑变换，将线性函数的输出值映射到[0, 1]范围内，从而得到一个概率值，表示样本属于某个类别的几率。在逻辑回归中，被建模的是一个条件概率，即给定特征条件下目标变量属于某一类的概率。逻辑回归使用了名为sigmoid函数（也称为逻辑函数）的非线性函数，将线性回归的输出进行逻辑变换。逻辑回归模型假设输入特征与目标变量之间存在着一个线性关系，然后通过最大似然估计等方法，估计模型的参数。
2024-05-28 16:47:50
334
1
原创 从特征概率来预测分类——朴素贝叶斯
是一种基于贝叶斯定理的机器学习算法，用于分类和概率估计问题。它假设特征之间是相互独立的，这意味着每个特征对于分类的影响是相互独立的。朴素贝叶斯算法常用于文本分类、垃圾邮件过滤、情感分析等领域。
2024-05-14 16:50:23
270
1
原创 一种对于实例的简单分类方法——决策树
决策树，顾名思义就是起到决策作用的树，其实就是一种if—then规则的集合，将决策的过程整合起来类似于一颗树的模样，所以叫作决策树。就这样我们可以将混乱无序的实例集合通过满足与不满足各种条件分成几部分集合，例如选择西瓜的时候：我们将色泽、根蒂、敲声认为是西瓜的三个特征，每次我们做出抉择都是基于这三个特征来把一个节点分成好几个新的节点，这一类智能决策问题称为分类问题，决策树是一种简单的处理分类问题的算法。
2024-04-29 23:24:31
521
原创 如何判断一个机器学习模型的好坏？——模型评估
模型评估是指对机器学习模型进行测试和分析，以确定其在预测或分类任务中的性能和准确度。这通常涉及将模型应用于独立的测试数据集，并使用各种指标来衡量其预测结果与实际结果之间的差异。常用的评估指标包括准确率、精确率、召回率、F1 分数、ROC 曲线和 AUC（曲线下面积）。模型评估有助于确定模型的泛化能力和有效性，以及指导进一步的改进和调整。
2024-04-14 23:22:37
1630
原创 k-近临算法是什么？——简单实现和样例
k-近邻（k-nearest neighbors, k-NN）算法是一种常见的机器学习方法，主要用于分类和回归问题。该算法基于一个简单的思想：如果一个样本在特征空间中的k个最近邻居中的大多数属于某个类别，则该样本也属于这个类别。在k-近邻算法中，通过比较不同样本之间的特征相似度，确定新样本的类别或者数值标签。k-NN的工作原理很直观，通过测量不同样本之间的距离（如欧氏距离），找到离目标样本最近的k个邻居，然后利用它们的类别标签（对于分类问题）或数值标签的平均值（对于回归问题）来预测目标样本的类别或值。
2024-04-01 00:04:20
349
原创 Anaconda安装图文教程
Anaconda（）就是可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。
2024-03-10 19:43:32
175
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