![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习基础算法
对机器学习各类算法的总结实践
YzYzYzzzzz
这个作者很懒,什么都没留下…
展开
-
机器学习基础算法四:逻辑回归算法实验
逻辑回归算法实验一、逻辑回归介绍逻辑回归是一种分类模型z=WTX=w0+w1x1+w2x2+......+wnxnz =W^{T}X=w^{0}+w^{1}x^{1}+w^{2}x^{2}+......+w^{n}x^{n}z=WTX=w0+w1x1+w2x2+......+wnxn逻辑回归通过sigmoid函数将输入值映射到 [0,1] 的区间范围。y=p=sigmoid(z)=11+e−zy=p=sigmoid(z)=\frac{1}{1+e^{-z}}y=p=sigmoid(z)=1+e−原创 2020-12-03 20:43:07 · 3324 阅读 · 0 评论 -
机器学习基础算法三:线性回归算法实验(梯度下降法)
线性回归算法实验(梯度下降法)一、前期准备数据的数量级如果相差太大是不适合梯度下降算法的。(需要进行处理,要把它们变成相同的数量级)二、梯度下降法简介。顾名思义,梯度下降法的计算过程就是沿梯度下降的方向求解极小值(也可以沿梯度上升方向求解极大值)。其迭代公式为 ak+1=ak+ρk−(k)a_{k+1}=a_{k}+ \rho_{k^{-(k)}}ak+1=ak+ρk−(k) ,其中 代表梯度负方向, 表示梯度方向上的搜索步长。梯度方向我们可以通过对函数求导得到,步长的确定比较麻烦,太原创 2020-12-02 11:50:27 · 663 阅读 · 0 评论 -
机器学习基础算法三:线性回归算法的实验(最小二乘法)
线性回归算法实验一、什么是线性回归。线性回归就是用一条直线来解释自变量与因变量之间的关系。原创 2020-11-26 20:07:03 · 1042 阅读 · 0 评论 -
机器学习基础算法二:K-Means回归算法实验
K-means回归算法实验注: 机器学习实验中的经典数据集都可以通过在pycharm中install scikit-learn包来获得。原创 2020-11-24 18:24:43 · 909 阅读 · 0 评论 -
机器学习基础算法一:KNN算法回归实验
KNN回归实验一、基础知识什么是回归: 回归实际上就是“最佳拟合”。根据已有的数据拟合出一条最佳的直线、曲线、超平面或函数等,用于预测其它数据的目标值。如已知一系列的点(x,y),我们可能就可以拟合出一条最佳的直线y=kx+b。那么如果已知自变量x,要预测目标值y的话,就可以直接带入到该直线方程中求出y。回归的目的就是预测数值型的目标值分类与回归的区别: 分类是判断对应类别,而回归的输出是一个具体值。二、算法实现前期数据处理:import numpy as npimport pandas原创 2020-11-23 16:06:58 · 1028 阅读 · 2 评论 -
机器学习基础算法一:KNN算法分类实验
KNN实验什么是KNN?概念: KNN(K-nearest neighbor),即K近邻算法。当需要一个样本(值)的时候,就使用与该样本最接近的K个邻居来决定。KNN既可用于分类,也能用于回归。(“近”朱者赤,“近”墨者黑)KNN算法的实现过程:从训练集中选择离待预测样本最近的k个样本。根据这k个样本计算待预测样本的值(属于哪个类别或者一个具体数值)。k的取值会影响分类的结果,如上图所示,k取最里面圆圈的大小则三角形多正方形少,则把圆形归类于三角形一类。如果k取虚线圆圈的大小,正方形多,原创 2020-11-20 16:53:24 · 4877 阅读 · 0 评论 -
机器学习十大基本算法列举
机器学习基本算法线性回归算法 Linear Regression支持向量机算法 (Support Vector Machine,SVM)最近邻居/k-近邻算法 (K-Nearest Neighbors,KNN)逻辑回归算法 Logistic Regression决策树算法 Decision Treek-平均算法 K-Means随机森林算法 Random Forest朴素贝叶斯算法 Naive Bayes降维算法 Dimensional Reduction梯度增强算法 Gradient原创 2020-11-25 16:08:44 · 358 阅读 · 0 评论