Calmsym-CSDN博客

原创【机器学习】PCA算法与人脸数据压缩

通过这次PCA人脸数据压缩实验，我深入理解了PCA算法的理论基础和实际应用价值。实验结果证明了PCA在高维数据降维和压缩方面的有效性，特别是在人脸识别等具有内在低维结构的数据上表现尤为突出。从技术实现角度，我学会了使用SVD方法实现PCA，这种方法在处理高维数据时比传统的协方差矩阵特征值分解更加稳定可靠。同时，我也掌握了完整的数据处理流程，包括数据加载、预处理、模型训练、结果分析和可视化等各个环节。实验中最令我印象深刻的是PCA的特征脸概念。

2025-06-17 10:28:26 882

原创【机器学习】SVM支持向量机--垃圾邮件过滤器

通过本次实验，我成功构建了一个基于SVM的垃圾邮件分类器，并深入理解了SVM在文本分类任务中的应用。主要成果：我的线性SVM模型在测试集上达到了超过98%的准确率，证明了SVM在处理高维稀疏文本数据时的有效性。通过参数调优和模型分析，我找到了最适合这个任务的模型配置。技术见解：实验证实了在文本分类任务中，简单的线性模型往往能够达到与复杂非线性模型相当甚至更好的性能。这符合奥卡姆剃刀原理——在效果相当的情况下，更简单的模型是更好的选择。

2025-06-03 19:55:57 580

原创【机器学习】逻辑回归实验

本实验成功地从零开始实现了逻辑回归算法，并应用于提供的 testSet.txt 数据集进行二分类任务。理解原理：回顾了逻辑回归的数学基础，包括Sigmoid函数、代价函数和梯度下降优化方法。代码实现：使用Python和NumPy库编写了数据加载、Sigmoid函数、梯度上升训练算法、分类函数以及结果可视化函数。实验与分析：通过在 testSet.txt 数据集上训练模型，得到了决策边界的权重，并以图形方式展示了分类结果，计算了模型在训练集上的准确率。

2025-05-10 22:39:50 789

原创【机器学习】基于朴素贝叶斯算法的西瓜分类详解

在代码中，对于单个样本 {‘色泽’: ‘青绿’, ‘根蒂’: ‘蜷缩’, ‘敲声’: ‘浊响’, ‘纹理’: ‘清晰’, ‘脐部’: ‘凹陷’, ‘触感’: ‘硬滑’}，模型的预测结果为 “是” (好瓜)。这与我们对典型好瓜特征的认知相符。模型在测试集上的准确率 (Accuracy) 达到了 0.8235。表现还可以。总的来说：PY∣XPX∣YPYPXPY∣XPXPX∣YPY对于分类任务，我们希望计算的是在给定西瓜特征XXX。

2025-05-06 18:29:15 811

原创【机器学习】决策树算法分析：基尼指数与信息增益的比较

本次实验使用的数据集包含16个训练样本和7个测试样本，每个样本有4个特征和1个二元类别标签（0或1）。数据集的分布如下：训练集：16个样本，类别0有7个样本（43.75%），类别1有9个样本（56.25%）测试集：7个样本，类别0有4个样本（57.14%），类别1有3个样本（42.86%）

2025-04-22 00:57:35 1957 1

原创【机器学习】性能评估曲线之ROC/PR

基于之前完成的KNN算法进行–适合海伦的恋爱人群分类预测问题 “基于KNN实现简单“适宜约会人群分类其中KNN的分类能力在测试集中的准确率为0.93。KNN的分类表现如图所示：对于算法实现的决策边界可视化图。直观地展示了KNN算法（k=15）在特征空间中划分的决策区域。图中三种颜色（红色、黄色和蓝色）分别代表三个不同的类别区域，点的颜色表示实际类别。可以观察到决策边界清晰地将不同类别分开，且大多数样本都落在其对应类别的区域内。

2025-04-07 22:59:53 2084

原创【机器学习】基于KNN实现简单“适宜约会人群”分类

就是简单的实现了KNN算法并将其用在了一个小的具体例子上，对于目前初步的机器学习来说，所有的模型本质上都是在提取特征做分类。

2025-03-24 20:17:45 415

原创机器学习-WSL Ubuntu-20.04 anconda全流程配置无痛胎教

在~/proj/目录下新建一个文件夹作为新的工作目录，然后在其中创建一个新的py文件进行测试，导入numpy包，出现这样的错误，这是因为目前的python环境（刚刚创建的那个machin_leaning）中没有下载这个包在终端中输入pip install numpy #即可可以发现这里用了第四步中设置的清华镜像源，下载速度飞起你也可以使用conda list 命令查看当前环境中的包有哪些，可以看到numpy包已经下载好了#test.py中代码: import numpy print(1)成功输出。

2025-03-01 16:52:44 2367

原创题解赦免战俘

现有2n∗2n(n<=10) 名作弊者站成一个正方形方阵等候 kkksc03 的发落。kkksc03 决定赦免一些作弊者。他将正方形矩阵均分为 4 个更小的正方形矩阵，每个更小的矩阵的边长是原矩阵的一半。其中左上角那一个矩阵的所有作弊者都将得到赦免，剩下 3 个小矩阵中，每一个矩阵继续分为 4 个更小的矩阵，然后通过同样的方式赦免作弊者……直到矩阵无法再分下去为止。所有没有被赦免的作弊者都将被处以棕名处罚。给出 n，请输出每名作弊者的命运，其中 0 代表被赦免，1 代表不被赦免。

2023-11-13 20:07:53 99

原创单词接龙题解

单词接龙是一个与我们经常玩的成语接龙相类似的游戏，现在我们已知一组单词，且给定一个开头的字母，要求出以这个字母开头的最长的“龙”（每个单词都最多在“龙”中出现两次），在两个单词相连时，其重合部分合为一部分，例如 beast 和 astonish，如果接成一条龙则变为 beastonish，另外相邻的两部分不能存在包含关系，例如 at 和 atide 间不能相连。n 行每行有一个单词，输入的最后一行为一个单个字符，表示“龙”开头的字母。只需输出以此字母开头的最长的“龙”的长度。输入的第一行为一个单独的整数。

2023-11-11 23:53:21 130 1

原创 Calmsym学习数据结构与算法之线段树

在之前的学习中，关于数组维护，我们已经学习了前缀和，差分以及树状数组，对于不同的体型我们可以运用不同的数据结构来进行维护，今天我们来讲一个更为通用的数据结构–线段树线段树（Segment Tree）是一种基于分治思想的二叉树结构（问什么是二叉树请百度），相比于树状数组里运用二进制分解来储存区间，线段树是将一个线性结构（比如数组）表示为一棵树，每个节点表示一个区间，叶节点来表示单个元素，线段树更易理解也更为通用，被广泛使用于算法竞赛中，唯一的缺点可能是他的代码量相当大…

2023-11-09 23:32:57 184 1

原创 Calmsym学习数据结构与算法之树状数组（2）

在前一部分的学习中，我们了解了什么是树状数组，它的原理是什么，我们对其做了一定的知识储备今天我们进一步了解，树状数组如何实现，他又是如何维护数组，等一系列操作的关于树状数组的基础学习到这里就结束了，对于这一数据结构在处理逆序对等问题上效果优异。在关于数据结构的学习之后一定要多加刷题来巩固知识。下一部分我们将继续学习一种更加通用的数据结构—线段树。

2023-11-07 20:00:19 80

原创 Calmsym学习数据结构与算法之树状数组（1）

今天我们继续学习维护区间的数据结构与算法；在之前的学习中，我们学习了前缀和与差分，实现了如何维护区间和，以及区间查询，修改在前缀和与差分两中数据结构上，我们知道对于维护区间和的查询只需要O（1）但是对于单点或者区间修改的时间复杂度却是O（n）我们试图寻找一种结构，他对于两种维护的时间复杂度都尽可能少---树状数组树状数组（BIT Binary Index Tree）所以树状数组的实质是二进制下标树，对于它的实现与二进制无法分割为什么会与二进制扯上关系？

2023-11-05 23:18:45 114 1

原创 calmsym学习数据结构与算法之前缀和与差分

在比赛或者写题中，我们时常遇到需要我们执行区间维护或区间修改的题目或者是通过这一操作来达成某些功能最终AC题目。今天我们来学习前缀和与差分，入门区间维护与查询算法的学习前缀和与差分是我们初入区间维护，修改，查询这类操作的第一门算法前缀和与差分对于区间查询和区间修改的效率很高，但是对于单点查询，他有其局限性，在后面我们还会学习树状数组线段树等数据结构与算法进一步深入学习区间维护的操作方法。

2023-11-03 16:09:50 96 1

原创 Calmsym学习数据结构与算法之--并查集

数据结构与算法是每一个CS人的必经之路路漫漫其修远兮，今天总结的是关于数据结构的并查集思路1. 维护一个数组f，用f[x]保存元素x所在集合的代表。这种方法可以达到O（1）的查询速度，但是在合并时需要大量修改元素的 f 值，效率低下思路2. 使用树形结构储存每个集合。在一棵树中，树的节点就可以充当集合中的元素，树的根即为集合元素的代表。所以并查集实际是一片森林。我们可以通过维护数组fa来记录这片森林（多个集合），fa[x]保存x的父节点，特别的树根的父节点为他本身（代表）2.代码实现。

2023-11-02 22:57:06 106

原创 Calmsym学习数据结构与算法之二叉堆

数据结构与算法是每一个CS人的必经之路路漫漫其修远兮，今天总结的是关于数据结构的二叉堆二叉堆是一种支持插入、删除、查询最值的数据结构实际上二叉堆是一种满足堆结构的完全二叉树此二叉树的每个节点带有权值，每个父节点下有两个子节点（二叉树性质）其满足每个父节点的权值 ≥ 或者 ≤ 其任意子节点的权值，则称其具有“大根堆性质”或”小根堆性质“

2023-10-31 23:05:02 101 1

原创校赛T2 个人思路+实现

比赛时没能完成对最短路路径数的统计，实际上只需要并查集统计或者反向最短路，将更新命令转换为判断即可，对于上述所讲的数据结构和算法也没有进一步解释，主要还是没什么时间想水篇题解。

2023-10-30 23:00:00 81 1

Calmsym的博客