- 博客(6)
- 收藏
- 关注
RSS订阅原创 基于支持向量机 (SVM) 的分类算法实践与全流程实现
支持向量机（Support Vector Machine，SVM）是机器学习领域经典且高效的二分类算法，也是工业界与学术研究中常用的分类模型。SVM 凭借独特的最大间隔分类思想和灵活的核函数机制，既可以完美适配线性可分的简单数据集，也能通过非线性映射处理复杂的非线性分布数据，具备泛化能力强、抗过拟合效果好、小样本表现优异的特点。本文将从 SVM 核心原理出发，基于经典的线性数据集和非线性数据集，完整实现数据加载、模型训练、超参数调优、结果可视化、模型分析。
2026-01-09 14:30:48
748
原创 基于朴素贝叶斯的西瓜品质分类实验与实现
朴素贝叶斯是一种高效、轻量的分类算法，在数据量较小、特征独立假设近似成立的场景（如本文西瓜分类）中表现良好。其可解释性强、训练 / 预测速度快的特点，使其在实际工程中具有较高的实用价值。
2026-01-09 14:24:13
263
原创 ID3 算法的预剪枝优化：解决决策树过拟合问题
ID3 算法作为经典的决策树生成算法，通过信息增益选择分裂特征，但易因无限制生长导致过拟合，降低模型泛化能力。预剪枝是决策树过拟合的核心解决方案之一，通过在树生成过程中设置停止条件（如信息增益阈值、最大深度、最小样本数）提前终止节点分裂，有效简化树结构并提升模型的泛化性能。本文以经典的贷款 / 信贷决策数据集为例，详细实现了带预剪枝的 ID3 算法，并通过训练集 / 测试集验证了预剪枝对模型过拟合的抑制效果。
2026-01-08 14:46:42
770
原创 ID3 与 C4.5 算法实现贷款决策树
决策树是机器学习中经典的分类算法，具有直观易懂、解释性强的特点。本文以贷款资格审批为应用场景，详细实现了 ID3 和 C4.5 两种经典决策树算法，对比分析了两者在特征选择策略上的核心差异（信息增益 vs 信息增益率），并通过实际数据集验证了算法效果。实验结果表明，C4.5 算法通过信息增益率有效解决了 ID3 对高基数特征的偏好问题，在贷款决策场景中两种算法均能识别出核心决策特征。ID3 算法以信息增益为核心，实现简单但易偏向高基数特征；C4.5 通过信息增益率优化了这一问题，是更实用的改进版；
2026-01-08 14:38:30
838
原创 用KNN算法打造个性化约会推荐系统
本实验所用数据集源自“海伦约会”经典案例，记录了海伦过往约会对象的三项核心特征及她对这些对象的喜欢程度评价。实验目标是基于这三项特征构建二元分类模型，精准预测新约会对象属于“喜欢”或“不喜欢”类别。### 数据集详情特征变量（3个）：每年飞行常客里程数（反映出行频率）、每周玩视频游戏所耗时间占比（反映娱乐习惯）、每周消费冰淇淋公升数（反映生活习惯）；
2026-01-06 14:23:32
766
原创 VSCode与Anaconda安装全攻略
本文详细讲解了VSCode与Anaconda在三大操作系统下的安装、配置流程，核心要点包括：VSCode安装时优先勾选“添加到PATH”，Anaconda安装时不推荐新手手动添加环境变量，以及关键的VSCode与Anaconda解释器关联步骤。按照本文步骤操作，可快速搭建稳定的Python开发环境，适用于数据分析、机器学习、Python开发等多种场景。若遇到问题，可参考文中的常见问题解决方法，或访问官方文档获取更多帮助。
2026-01-06 14:15:09
1877
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