- 博客(8)
- 收藏
- 关注
原创 机器学习算法——主成分分析(PCA)
主成分分析(Principal Component Analysis, PCA)是一种常用的数据降维方法,它可以将高维数据转化为低维数据,同时尽量保留原有数据的信息。
2024-01-01 10:47:45
2521
原创 机器学习算法——支持向量机
支持向量机(Support Vector Machine,简称 SVM)是一种监督学习算法,常用于分类和回归分析。它的基本思想是在特征空间中找到一个最优的超平面,以将不同类别的样本分开。在支持向量机中,我们试图找到一个超平面,使得不同类别的样本点尽可能地远离该超平面,同时使得同一类别的样本点尽可能地靠近它。这样的超平面被称为最大间隔超平面,具有较好的泛化能力。为了实现最大间隔超平面的求解,支持向量机引入了支持向量的概念。支持向量是离超平面最近的样本点,它们决定了超平面的位置和方向。
2023-12-18 20:11:25
1820
1
原创 机器学习算法——逻辑斯蒂回归
逻辑斯蒂回归(Logistic Regression)是一种用于解决分类问题的机器学习算法。它是通过将线性回归模型的输出映射到一个概率值,然后根据这个概率值进行分类的。逻辑斯蒂回归假设因变量(要预测的变量)与自变量之间存在一个线性关系,然后使用逻辑函数(也称为sigmoid函数)将线性组合转化为概率值。
2023-12-04 14:49:10
772
原创 机器学习算法——朴素贝叶斯算法
朴素贝叶斯算法是一种经典的概率分类算法,它基于贝叶斯定理和特征独立性假设。该算法常被用于文本分类、垃圾邮件过滤、情感分析等领域。朴素贝叶斯算法的核心思想是通过已知类别的训练样本集,学习出每个类别的概率分布模型,然后根据待分类样本的特征,利用贝叶斯定理计算出样本属于各个类别的后验概率,最终选择具有最大后验概率的类别作为分类结果。在朴素贝叶斯算法中,特征之间被假设为相互独立,这是为了简化计算。尽管这个假设在现实问题中并不总是成立,但朴素贝叶斯算法仍然表现出良好的分类效果。
2023-11-19 23:33:54
1395
原创 机器学习——决策树
所谓决策树,就是一个类似于流程图的树形结构。是一种常用的机器学习算法,用于建立预测模型和分类模型。它基于树状结构,通过分析数据特征与目标变量之间的关系,将数据集划分为不同的子集,以逐步构建决策规则。决策树模型具有直观的可解释性和易于理解的特点,因此在许多领域中被广泛应用。决策树的结构类似于一颗倒置的树,由节点和边组成。树的顶部被称为根节点,每个节点表示一个特征属性或判断条件。从根节点开始,根据不同的特征属性进行分支,直到叶节点,叶节点表示最终的预测结果。决策树的构建过程基于训练数据集。
2023-11-06 20:22:24
1049
原创 机器学习——P-R曲线和Roc曲线
性能评估在机器学习中起着重要的作用,帮助我们理解和衡量模型的效果,并为模型选择、参数调优和特征选择提供指导,以达到更好的性能和预测能力。
2023-10-23 20:07:13
697
1
原创 机器学习算法——k-近邻算法
k-近邻算法(k-Nearest Neighbour algorithm),又称为KNN算法。KNN的工作原理:给定一个已知标签类别的训练数据集,输入没有标签的新数据后,在训练数据集中找到与新数据最邻近的k个实例,如果这k个实例的多数属于某个类别,那么新数据就属于这个类别。由那些离X最近的k个点来投票决定X归为哪一类。下面我们通过一个简单的小例子来了解一下k-近邻算法:图1-1图1-1是一个很基础的knn算法模型。
2023-10-09 21:11:23
1191
1
原创 机器学习基础——VSCode和Anaconda的安装与配置
总的来说,正确的安装和配置可以为机器学习开发者提供强有力的支持,提高开发效率和代码质量。希望这篇博客能够帮助大家顺利完成安装和配置,享受开发的乐趣。
2023-09-18 21:16:05
2460
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