- 博客(5)
- 收藏
- 关注
RSS订阅原创 基于支持向量机的分类实验与参数敏感性分析 —— 以 ex6data1 与 ex6data2 数据集为例
本文通过ex6data1和ex6data2数据集研究了支持向量机(SVM)的参数敏感性。在线性核SVM实验中，发现惩罚系数C过小会导致欠拟合，过大则引发过拟合；在高斯核SVM实验中，核参数γ影响模型对非线性特征的捕捉能力，γ过小导致欠拟合，过大则造成过拟合。实验采用可视化方法直观展示了不同参数下模型的分类效果，验证了参数选择对SVM性能的关键影响。研究表明，参数调优需要根据数据特征平衡模型复杂度与泛化能力，为SVM的实际应用提供了参考依据。
2025-12-19 14:56:11
660
原创 从原理到落地：详细拆解朴素贝叶斯算法，手把手实现西瓜品质精准分类
在机器学习的分类算法中，朴素贝叶斯（Naive Bayes）以 “简单、高效、易实现” 著称，尤其适合小样本、多特征、类别明确的场景。对于 “判断西瓜好坏” 这类问题：1、特征维度适中（6 个离散特征 + 2 个连续特征）；2、样本数量有限（仅 17 条训练样本）；3、类别标签清晰（好瓜 / 坏瓜二分类）；朴素贝叶斯无需复杂的迭代训练，仅通过概率计算即可完成分类，且推理过程直观，非常适合作为入门实战案例。本文将从。
2025-12-08 15:26:53
690
原创 从零实现 ID3 与 C4.5 决策树（含剪枝优化）：基于贷款数据集的实践教程
本文从零实现ID3和C4.5决策树算法，并以贷款审批数据集为例进行实践。文章首先介绍决策树核心概念，包括ID3的信息增益、C4.5的信息增益比及剪枝原理。然后详细解析16条训练样本和7条测试样本的特征编码与业务背景。在代码实现部分，展示了数据加载模块和ID3决策树的核心功能，包括信息熵计算、特征选择、树构建等方法。通过完整的理论推导和代码实践，帮助读者深入理解决策树算法原理与工程实现。
2025-10-30 20:29:48
1559
原创 从零实现KNN算法：约会对象分类器与模型全流程分析
本文介绍了KNN算法的基本原理及在约会对象分类任务中的实现。KNN算法通过计算待预测样本与训练集样本的距离，选取最近的K个邻居进行投票决策。文章详细解析了欧氏距离和曼哈顿距离的计算方法，并提供了完整的Python实现代码。该代码包含数据加载、特征归一化、KNN核心算法（距离计算、邻居选择、投票分类）以及模型评估指标（准确率、ROC曲线等）。通过约会数据集（包含三类喜好程度标签和三个特征），演示了如何从零构建一个KNN分类器，并计算多分类评估指标。
2025-10-25 01:14:11
1518
原创 Anaconda编译环境配置超详细教程
在机器学习、数据分析等领域，一个稳定且独立的Python编译环境至关重要。Anaconda作为常用的Python环境管理工具，能轻松创建、管理多个虚拟环境，避免不同项目间的依赖冲突。本文将从Anaconda下载、安装，到虚拟环境的创建与激活，手把手带你完成编译环境配置！！！
2025-09-18 23:27:26
1416
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