- 博客(8)
- 收藏
- 关注
原创 PCA主成分分析
一种数据数据降维算法(非监督)通过析取主成分显出的最大的个体差异,发现更便于人们能够理解的特征,也可以用来削减回归分析和聚类分析中变量的数目。
2024-01-01 23:02:36
351
1
原创 SVM算法简介及其在机器学习中的应用
导语: 在机器学习领域,支持向量机(Support Vector Machine,简称SVM)是一种强大且灵活的算法。它广泛应用于分类和回归问题,并在许多实际场景中取得了显著的成果。本文将介绍SVM算法的基本原理以及它在机器学习中的应用。什么是SVM SVM (support vector machines)即支持向量机。它是一种二分类模型,它将实例的特征向量映射为空间中的一些点,SVM 的目的就是想要画出一条线,以 “最好地” 区分这两类点,以至如果以后有了新的点,这条线也能做出很好
2023-12-18 21:40:33
967
1
原创 深入理解Logistic回归:二分类问题的强大工具
Logistic回归是一种广泛应用于统计和机器学习领域的回归分析方法,尤其在处理二分类问题时非常有效。与线性回归直接预测数值型的输出不同,Logistic回归旨在预测一个概率值,该概率值反映了某个特定事件发生的可能性。
2023-12-04 21:48:29
856
原创 朴素贝叶斯
朴素贝叶斯是经典的机器学习算法之一,也是为数不多的基于概率论的分类算法。对于大多数的分类算法,在所有的机器学习分类算法中,朴素贝叶斯和其他绝大多数的分类算法都不同。比如决策树,KNN,逻辑回归,支持向量机等,他们都是判别方法,也就是直接学习出特征输出Y和特征X之间的关系,要么是决策函数,要么是条件分布。但是朴素贝叶斯却是生成方法,该算法原理简单,也易于实现。优点:在数据较少的情况下仍然有效,可以处理多类别问题。缺点:对于输入数据的准备方式较为敏感。适用数据类型:标称型数据。
2023-11-27 00:27:10
379
1
原创 机器学习 决策树
用决策树分类:从根节点开始,对实例的某一特征进行测试,根据测试结果将实例分配到其子节点,此时每个子节点对应着该特征的一个取值,如此递归的对实例进行测试并分配,直到到达叶节点,最后将实例分到叶节点的类中。3)如果还有子集不能够被正确的分类,那么就对这些子集选择新的最优特征,继续对其进行分割,构建相应的节点,如果递归进行,直至所有训练数据子集被基本正确的分类,或者没有合适的特征为止。决策树学习的算法通常是一个递归地选择最优特征,并根据该特征对训练数据进行分割,使得各个子数据集有一个最好的分类的过程。
2023-11-06 21:34:23
32
原创 PR曲线与ROC曲线
2.ROC曲线的两个指标, TPR的分母是所有正例,FPR的分母是所有负例,故都不依赖于具体的类别分布。在类别不平衡的背景下,当负例N的数量远超正例P时,FP的大幅增长只能换来FPR的增长不明显,导致ROC曲线呈现一个过分乐观的效果估计。PR曲线常被用在信息提取领域,同时当我们的数据集中类别分布不均衡时我们可以用PR曲线 代替。就是ReCall召回率,假阳率,即将负例错误的预测为正例占所有预测为负例的占比。PR曲线就是在以上的基础上选取不同的阈值得到不同的点连线而成。,R为recall即。
2023-10-23 21:19:52
421
原创 KNN算法
K最近邻算法(K-Nearest Neighbors,KNN)是一种常用的监督学习分类算法。它的基本思想是通过计算样本之间的距离来进行分类。具体而言,对于一个未知样本,KNN算法会找出与该样本最近的K个已知样本,并根据这K个样本的标签来判断未知样本的类别。KNN算法的步骤如下:准备数据集:首先需要准备带有标签的训练集,其中每个样本都有对应的特征和类别标签。计算距离:对于一个未知样本,计算它与训练集中每个样本的距离。常见的距离度量方法有欧氏距离、曼哈顿距离等。
2023-10-09 21:49:27
30
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