- 博客(8)
- 收藏
- 关注
RSS订阅原创 机器学习——PCA主成分分析
总结来说,PCA的步骤主要就是以下几步：对数据进行去中心化（将坐标原点放到数据中心）->求数据的协方差矩阵C->再求得C的特征向量矩阵R->将原坐标系下（去中心化后）的数据通过R进行旋转变化，即得到经过PCA转换后的坐标，R也是主成分的方向。
2023-12-30 19:21:18
953
1
原创 机器学习——支持向量机（SVM）
通俗来讲，所谓支持向量机是一种分类器，对于做出标记的两组向量，给出一个最优分割超曲面把这两组向量分割到两边，使得两组向量中离此超平面最近的向量（即所谓支持向量）到此超平面的距离都尽可能远。
2023-12-18 20:53:18
939
1
原创 Logistic回归
逻辑回归也称作logistic回归分析，是一种广义的线性回归分析模型，属于机器学习中的监督学习。其推导过程与计算方式类似于回归的过程，但实际上主要是用来解决二分类问题（也可以解决多分类问题）。通过给定的n组数据（训练集）来训练模型，并在训练结束后对给定的一组或多组数据（测试集）进行分类。其中每一组数据都是由p 个指标构成。（1）适合分类场景（2）计算代价不高，容易理解实现。（3）不用事先假设数据分布，这样避免了假设分布不准确所带来的问题。（4）不仅预测出类别，还可以得到近似概率预测。
2023-12-04 20:06:10
1038
原创 机器学习朴素贝叶斯分类器实现垃圾邮件分类
贝叶斯公式是概率论中重要的一条公式，它用于计算在给定某个观察结果的条件下，某个事件发生的概率。这个公式以英国统计学家托马斯·贝叶斯的名字命名，他是18世纪的数学家。贝叶斯公式可以表示为以下形式：其中，P(A|B) 表示在观察到事件 B 发生后，事件 A 发生的概率；P(B|A) 表示在事件 A 发生的条件下，事件 B 发生的概率；P(A) 和 P(B) 分别表示事件 A 和事件 B 发生的概率。
2023-11-20 20:48:56
997
1
原创 机器学习实验之决策树
计算给定数据集的熵numEntries = len(dataSet) #获得数据集的行数labelCounts = {} #用于保存每个标签出现次数的字典currentLabel = featVec[-1] #提取标签信息if currentLabel not in labelCounts.keys(): #如果标签未放入统计次数的字典，则添加进去labelCounts[currentLabel] += 1 #标签计数shannonEnt = 0.0 #熵初始化。
2023-11-06 20:01:04
411
原创 机器学习——ROC和PR曲线的绘制
ROC曲线和PR曲线是两种常用的评估二分类模型性能的方法，它们分别反映了模型的查准率和查全率在不同的分类阈值下的变化情况。ROC曲线（receiver operating characteristic）是一种对于灵敏度进行描述的功能图像，又称为感受性曲线（sensitivity curve。ROC曲线可以通过描述真阳性率（TPR）和假阳性率（FPR）来实现。由于是通过比较两个操作特征（TPR和FPR）作为标准，ROC曲线也叫做相关操作特征曲线。
2023-10-23 20:20:58
193
原创 机器学习实验(KNN算法）
1、K的取值knn实验中有一个关键点：k k的取值很大程度决定了实例的准确性，其实k值是KNN算法的一个超参数，k的含义即参考K取值较小时，模型复杂度（容量）高，训练误差会减小，泛化能力减弱；K取值较大时，模型复杂度低，训练误差会增大，泛化能力有一定的提高。如何选择k值，我们可以利用交叉验证不断尝试最优值，从选取一个较小的K值开始，不断增加K的值，然后计算验证集合的方差，最终找到一个比较合适的K值。2、KNN的局限性。
2023-10-09 17:51:07
183
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