![](https://img-blog.csdnimg.cn/c4494af65bd34423bc80e2ff2915fbdc.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
《机器学习教程》
文章平均质量分 87
欢迎来到《机器学习教程》!无论你是初学者还是经验丰富的数据科学家,这个专栏将带领你踏上机器学习的旅程,探索这个充满潜力和无限可能的领域。我们将提供实用而深入的指导,帮助你掌握关键的机器学习概念、算法和工具,使你能够构建智能系统并从数据中发现洞见。
优惠券已抵扣
余额抵扣
还需支付
¥19.90
¥99.00
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
晨星同行
这个作者很懒,什么都没留下…
展开
-
深度学习100例 | 第31天-卷积神经网络(DenseNet)识别生活物品
🚀。原创 2023-07-28 10:16:42 · 1928 阅读 · 2 评论 -
【机器学习教程】六、K近邻算法
通过复杂的实战案例,我们进一步验证了K近邻算法在实际应用中的有效性。在机器学习领域中,有一种简单而强大的算法,被称为K近邻算法(K-Nearest Neighbors,简称KNN)。在本文中,我们将深入探讨K近邻算法的发展历程、重要论文、算法原理以及应用,并提供一个复杂的实战案例。Cover和Hart的论文进一步完善了KNN算法的概念,并提出了一种近似于现代KNN算法的形式。通过这个实战案例,我们可以看到K近邻算法在手写数字识别任务中取得了较高的准确率,展示了其在实际应用中的有效性。原创 2023-06-29 09:15:00 · 155 阅读 · 0 评论 -
【机器学习教程】五、支持向量机(Support Vector Machines)
Boser B. E., Guyon I. M., Vapnik V. N. (1992) - “A training algorithm for optimal margin classifiers”:这篇论文提出了SVM的最优间隔训练算法,并奠定了SVM理论的基础。Vapnik V. N., Cortes C. (1995) - “Support-vector networks”:这篇经典论文首次引入了SVM的基本概念和原理,并详细介绍了线性可分和线性不可分情况下的解决方法。原创 2023-06-27 17:00:00 · 944 阅读 · 0 评论 -
【机器学习教程】四、随机森林:从论文到实践
Breiman的论文《Random Forests》详细介绍了随机森林的原理和应用,并对其在分类和回归问题上的性能进行了全面的评估。本文将从算法的发展历程、重要论文、原理以及实际应用等方面详细介绍随机森林,并提供一个复杂的实战案例。随机森林是一种强大的集成学习算法,具有广泛的应用和优秀的性能。本文介绍了随机森林的发展历程、重要论文、原理和应用,并提供了一个复杂的实战案例。随机森林由于其卓越的性能和灵活性,在许多领域得到了广泛的应用。随机森林算法包括两个主要步骤:随机森林的构建和随机森林的预测。原创 2023-06-26 21:45:00 · 2289 阅读 · 0 评论 -
【机器学习教程】三、决策树保姆式详解
我们使用的数据集是威斯康星州乳腺癌数据集(Wisconsin Breast Cancer Dataset),包含了乳腺肿瘤样本的特征信息和对应的良性/恶性标签。数据集中的特征包括肿块的半径、纹理、对称性等。原创 2023-06-25 14:15:00 · 166 阅读 · 0 评论 -
【机器学习教程】二、逻辑回归:从概率到分类的利器
我们使用的数据集是威斯康星州乳腺癌数据集(Wisconsin Breast Cancer Dataset),包含了乳腺肿瘤样本的特征信息和对应的良性/恶性标签。数据集中的特征包括肿块的半径、纹理、对称性等。原创 2023-06-24 08:30:00 · 831 阅读 · 0 评论 -
【机器学习教程】一、线性回归(Linear Regression):预测与拟合的利器
线性回归是一种经典的机器学习算法,用于建立自变量和因变量之间的线性关系模型。线性回归的原理基于对自变量和因变量之间线性关系的建模。其中,Y是因变量,X是自变量,β0和β1是回归系数,ε是误差项。我们的目标是找到最优的β0和β1,使得拟合的直线最好地描述数据。我们有一个包含房屋面积和房屋价格的数据集,我们将基于这些特征建立一个线性回归模型。这只是一个简单的房价预测案例,实际应用中可能会考虑更多的特征和数据预处理技术,以提高模型的准确性。现在,让我们来看一个复杂的实战案例,以演示线性回归的使用。原创 2023-06-23 14:36:47 · 818 阅读 · 0 评论