- 博客(8)
- 收藏
- 关注
RSS订阅原创 PCA主成分分析
PCA（主成分分析）是一种常用的数据降维方法，它可以用较少的维度来表示原始数据中的大部分信息，同时去除一些噪声和冗余。PCA的主要思想是找到一组新的正交特征，也称为主成分，它们是原始特征的线性组合，且能够最大化数据的方差。PCA的应用场景有很多，比如：数据压缩：PCA可以将高维数据映射到低维空间，减少存储空间和计算开销，同时保留数据的主要特征。数据可视化：PCA可以将高维数据降到二维或三维，方便用图形展示数据的分布和聚类情况。数据预处理：PCA可以消除数据的多重共线性，提高后续模型的稳定性和准确性。
2024-01-01 17:20:24
962
原创 SVM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，广泛应用于分类和回归任务。SVM的核心思想是寻找一个超平面，使得两个类别之间的间隔最大化，从而实现良好的分类效果。SVM可以处理线性可分和线性不可分的问题，通过引入核函数将数据映射到高维空间实现非线性分类。SVM在许多领域都有广泛的应用，如图像识别、文本分类、生物信息学、金金融风控等。特别适用于小样本、高维特征、非线性问题。例如：图像分类：SVM可以用于图像分类任务，例如手写数字识别、人脸识别等。
2023-12-19 00:45:28
1016
原创 Logistic回归
Logistic回归是一种用于二分类或多分类问题的线性模型，它通过sigmoid函数将线性模型的输出映射到概率空间，使用极大似然估计来求解模型参数。Logistic回归的偏回归系数可以反映自变量和因变量之间的关系等。Logistic回归的目标是根据输入特征 X 预测输出变量 Y 的类别，其中 Y 可以是二值或多值的离散变量。假设输出变量 Y 的条件概率分布 P (Y|X) 可以用一个 sigmoid 函数表示，即其中 w 是权重向量，b 是偏置项，e 是自然对数的底数。
2023-12-04 20:44:09
514
原创 朴素贝叶斯分类
朴素贝叶斯分类有很明显的优缺点。它的优点是逻辑简单，容易实现，时间和空间复杂度都比较小，它的缺点是只能处理分类任务，需要假设特征之间独立，对于特征间相关性较大或特征数量较多的情况效果不好等。
2023-11-20 22:26:18
161
1
原创 机器学习中的决策树
通过以上介绍我们可以得知，决策树是一种基于树结构的有监督学习算法，它可以用于分类和回归问题，它通过一系列的是/否问题来划分数据集，最终得到不同的类别或数值。决策树的优点是易于理解和解释，可以同时处理标称型和数值型数据，适合处理有缺失属性的样本，测试数据集时运行速度快。决策树的缺点是可能产生过拟合，对噪声和异常值敏感，划分属性的选择可能受到数据分布的影响。
2023-11-06 21:56:29
33
原创 基于ROC曲线和PR曲线的分类模型性能评估
ROC曲线和PR曲线是两种常用的评估二分类模型性能的方法，它们都可以通过不同的分类阈值来绘制出一条曲线，反映模型的灵敏度和特异度。ROC曲线以假正例率（FPR）为横轴，真正例率（TPR）为纵轴，PR曲线以召回率（Recall）为横轴，精确率（Precision）为纵轴。ROC曲线和PR曲线之间有一定的联系，可以通过混淆矩阵来互相转换。一般来说，ROC曲线越靠近左上角，PR曲线越靠近右上角，表示模型性能越好。ROC曲线下的面积（AUC）也是一个常用的评估指标，其值越大表示模型性能越好。
2023-10-23 21:57:33
152
原创 机器学习中KNN（k-近邻）算法的简要介绍与简单实现
NN算法是一种基于最近邻的分类和回归方法。它的基本思想是，给定一个待分类的样本，根据它与已知类别的训练样本之间的距离，找出最近的K个邻居，然后根据这些邻居的类别进行多数表决或加权表决，从而确定样本的类别。
2023-10-09 21:14:15
243
1
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