- 博客(8)
- 收藏
- 关注
RSS订阅原创 PCA主成分分析
主成分分析（Principal Component Analysis）简称PCA，是一个非监督学习的机器学习算法，主要用于数据的降维，对于高维数据，通过降维，可以发现更便于人类理解的特征。PCA是实现数据降维的一种算法。正如其名，假设有一份数据集，每条数据的维度是D，PCA通过分析这D个维度的前K个主要特征(这K个维度在原有D维特征的基础上重新构造出来，且是全新的正交特征)，将D维的数据映射到这K个主要维度上进而实现对高维数据的降维处理。
2023-12-31 10:35:46
407
1
原创 机器学习：支持向量机（SVM）
支持向量机（Support Vector Machine，SVM）是一种常用的监督学习算法，用于分类和回归问题。它的目标是找到一个最优的超平面或者曲面，将不同类别的样本点分开。SVM的基本思想是将样本空间映射到一个高维特征空间，使得在该空间中可以找到一个最优的超平面，将不同类别的样本点分隔开来，并且使得两侧距离最大化。这个最优的超平面被称为分隔超平面（Separating Hyperplane）。对于线性可分的情况，SVM可以直接找到分隔超平面；
2023-12-05 18:16:19
1072
1
原创 机器学习：Logistic回归
逻辑回归（Logistic Regression）是一种用于解决二分类问题的统计模型，也可以扩展到多分类问题。它通过将线性回归模型的输出映射到一个概率值，并使用一个逻辑函数（通常是Sigmoid函数）将其限制在0和1之间。在逻辑回归中，输入的特征经过权重和偏差的线性组合，然后通过逻辑函数进行转换。这个逻辑函数的输出表示了属于某个类别的概率。通常，当输出大于等于一个阈值时，将样本分类为正类，否则分类为负类。逻辑回归的目标是学习到一组最优的权重和偏差参数，使得模型的预测与真实标签尽可能接近。
2023-11-29 21:20:57
841
1
原创 机器学习：朴素贝叶斯
朴素贝叶斯算法是一种简单、高效、易于实现的器学习算法，特别适用于文本分类和情感分析等自然语言处理任务。在实际应用中，我们可以使用不同变体的朴素贝叶斯算法来处理不同类型的数据。
2023-11-14 17:10:50
60
1
原创 机器学习决策树
决策树是一种机器学习算法和数据挖掘技术，用于解决分类和回归问题。它模拟了人类在面对决策时的思考过程，通过一系列的判断条件和分支来构建一个树形结构。在决策树中，每个内部节点表示一个判断条件，用于将输入数据集划分为更小的子集。每个叶子节点表示一个类别（用于分类问题）或一个回归值（用于回归问题）。根据判断条件和输入数据的特征，决策树从根节点开始，沿着树的分支逐步向下遍历，直到达到一个叶子节点，然后将叶子节点所表示的类别或回归值作为预测结果。
2023-11-02 15:26:26
50
原创 绘制PR曲线和ROC曲线
PR 曲线描述了准确率（Precision）和召回率（Recall）之间的关系。准确率表示预测为正例的样本中真正例的比例，而召回率表示真正例样本中被正确预测为正例的比例。PR 曲线横轴表示召回率，纵轴表示准确率。PR 曲线越靠近左上角，说明模型性能越好。
2023-10-16 18:52:06
908
1
原创 KNN算法
K最近邻（K-Nearest Neighbor，KNN）算法是一种基本分类和回归方法，它可以用于解决模式识别、数据挖掘中的分类和聚类问题。其主要思想是：对于一个测试样本，在训练集中找到与之距离最近的K个邻居，然后使用这K个邻居的标签进行投票，将该测试样本分类为票数最多的标签。
2023-10-09 16:36:31
44
1
原创 机器学习环境搭建指南
进入Anaconda的官网https://repo.anaconda.com/archive/ ，根据当前你的机器操作系统配置选择合适的版本（Window64版 一般选这个）。
2023-09-26 00:05:32
286
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