榆树花-CSDN博客

原创机器学习之——主成分分析PCA

主成分分析（Principal Component Analysis，简称PCA）是一种常用的多变量数据分析方法，用于降低数据的维度并发现数据中最重要的特征。其基本思想是通过线性变换将原始数据映射到新的坐标系，使得数据在新坐标系下的方差最大化。在实际的数学建模中，降维操作是很常用的。比如在图像处理中，如果要识别人脸，需要将每张图像表示为一个向量，每个元素代表图像中某个像素点的灰度值。由于每张图像的像素数量很大，可能成百上千万甚至更多，这会导致计算和存储成本非常高。

2023-12-31 21:45:46 1031

原创机器学习之——支持向量机

支持向量机是一种常用的监督学习算法，主要用于分类和回归问题。它的核心思想是找到一个最优的超平面，将不同类别的样本点有效地分开，同时尽量使得分类边界与样本点之间的间隔最大化。超平面：在二维空间中，超平面就是一条直线；在三维空间中，超平面是一个平面。对于高维空间，超平面是一个（n-1）维的子空间。在支持向量机中，我们的目标就是找到一个超平面，能够将不同类别的样本点分开。支持向量：支持向量是距离超平面最近的样本点，它们决定了超平面的位置和方向。也就是说，支持向量是离分类边界最近的样本点。间隔。

2023-12-18 21:56:46 952 1

原创机器学习之——Logistic回归模型

Logistic回归模型首先构建一个线性函数，其形式为： ( z = b_0 + b_1x_1 + b_2x_2 + ... + b_nx_n ) 其中，( z ) 表示线性组合的结果，( b_0 ) 是截距，( b_1, b_2, ..., b_n ) 是特征的系数，( x_1, x_2, ..., x_n ) 是输入特征。

2023-12-04 17:32:00 2444

原创机器学习之——朴素贝叶斯算法

贝叶斯公式又被称为贝叶斯规则，是概率统计中的应用所观察到的现象对有关概率分布的主观判断（先验概率）进行修正的标准方法。贝叶斯算法是一种强大的统计学方法，在机器学习中有着广泛的应用，特别是在分类、预测和推理等任务中。

2023-11-20 17:12:29 334 1

原创机器学习之决策树算法

决策树是一种基于树状结构的分类和回归算法。决策树由和组成。和。内部结点表示一个特征或属性(features)，叶结点表示一个类(labels)。它通过对数据进行特征选择,将数据集分成更小的子集，并在每个自己上递归地应用相同的过程来构建一个树形模型。每个内部节点表示一个特征或属性，每个分支代表该特征的一个可能取值，而每个叶子节点表示一个类别或者回归结果。决策树算法的优点包括易于理解和解释，能够处理离散和连续特征，不需要预处理数据，具有较好的可扩张性等。决策树算法有多种实现方式，如等。

2023-11-06 20:41:02 67

原创机器学习实验三之——ROC与PR曲线

ROC曲线（Receiver Operating Characteristic Curve）是用来评估二分类模型性能的一种常见方法。它是基于分类模型对不同阈值下的预测结果进行排序，并计算真正率（True Positive Rate，即召回率）和假正率（False Positive Rate）之间的关系而得到的曲线。真正率指分类器在所有实际为正例中正确预测为正例的比例，可以通过以下公式计算：真正率 = TP / (TP + FN)

2023-10-23 20:08:32 5836 1

原创机器学习之——K近邻（KNN）算法

KNN是一种基于实例的学习算法，它根据训练样本的特征和对应的类别标签，通过计算测试样本与训练样本之间的距离来进行分类预测。本次实验使我们了解了K近邻算法的基本原理，概念模型以及算法流程，学会了如何使用KNN算法来解决一些简单的分类问题，解决问题：在导入数据源后输出打印资源矩阵与标签矩阵时标签矩阵输出全为0，或者是显示字符串转换为float类型失败，在查找问题后发现是资源文件中数据的储存必须按照float型进行存储，否则资源数据读取有误，无法正常导入，

2023-10-09 21:55:53 5438 1

原创机器学习实验课一：vscode与anaconda的下载安装与配置以及虚拟环境的初步构建

然后点击扩展按钮根据自己的电脑系统选择下载版本，如果电脑系统是选择，下载点击下载的安装包进行下载，并进行操作记得选择，然后下一步继续安装。

2023-09-18 21:04:32 176

m0_63916929的博客