![](https://img-blog.csdnimg.cn/fc25aed13ea04a4faba97a8a33607b26.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习
文章平均质量分 96
机器学习是人工智能的一个分支,其中符号学习是机器学习的主流。
编码雪人
这个作者很懒,什么都没留下…
展开
-
支持向量机
支持向量机(Support Vector Machine, SVM)是一种监督学习模型和相关的学习算法,用于分类和回归分析。SVM 在统计学习理论的基础上发展而来,最初由Vladimir Vapnik等人在20世纪90年代提出。SVM 的核心思想是通过构造一个最佳超平面(Hyperplane)来实现数据的分类。最佳超平面是指能够将数据集的不同类别尽可能远离、并且分类间隔最大的超平面。原创 2024-07-09 18:34:06 · 591 阅读 · 0 评论 -
随机森林算法
随机森林(Random Forest)是一种集成学习(Ensemble Learning)方法,它结合了决策树和随机性的特点。随机森林是由多棵决策树组成的集合,每棵树都是独立训练的,并且最终的预测结果是通过投票或取平均值的方式得到的。原创 2024-03-07 11:46:32 · 948 阅读 · 0 评论 -
决策树算法
决策树(Decision Tree)是一种机器学习和数据挖掘中常用的预测模型和分类方法,它模拟了人类在做决策时的思维过程,通过一系列规则和条件来对数据进行分类和预测。决策树可以用于分类问题(将数据分成不同的类别)和回归问题(预测数值型数据),因此它在多个领域都有广泛的应用。原创 2023-10-28 18:55:06 · 102 阅读 · 0 评论 -
朴素贝叶斯分类器
朴素贝叶斯分类器是一种监督式机器学习,它常常被用于分类任务,比如,文本分类。它也是一种生成式机器学习算法,换句话说,通过该模型可以寻找给定类别特征的分布。原创 2023-09-01 01:36:02 · 245 阅读 · 0 评论 -
机器学习基础知识
一般而言,数据可划分为训练集和测试集,而大数据一般划分为训练集、验证集和测试集。原创 2023-08-13 02:24:17 · 167 阅读 · 0 评论 -
逻辑回归推导与应用
Logistic回归是分类模型,该算法易行、高效。原创 2023-07-30 22:15:13 · 163 阅读 · 0 评论 -
线性回归与应用
首先多线性回归模型进行推导,然后利用UCI中红葡萄酒训练集来构造模型。原创 2023-02-06 22:32:33 · 453 阅读 · 1 评论