- 博客(9)
- 收藏
- 关注
RSS订阅原创 机器学习——pca
1 PCA的定义主成分分析（PCA，Principal Component Analysis）是一种常用的数据降维技术。它通过线性变换将原始数据映射到一个新的坐标系中，使得数据在新坐标系中的方差尽可能大，从而实现降维。PCA的主要目标是减少数据的维度，同时尽可能保留数据的主要特征和信息。线性变换：PCA通过线性变换将高维数据映射到低维空间。最大化方差：PCA选择的变换方向（主成分）是使得数据投影后的方差最大化的方向。正交主成分：各个主成分之间是正交的，即相互独立。
2024-06-18 01:01:10
831
1
原创 机器学习——支持向量机（SVM）
支持向量机是一种强大的机器学习算法，用于分类和回归。它通过最优超平面来分隔不同类别的样本，并具有较好的泛化能力和鲁棒性。然而，SVM在计算复杂度和参数选择方面存在挑战。在实际应用中，需要适当调整参数和进行模型优化。b。
2024-06-09 21:40:21
3173
原创 机器学习——逻辑回归
目录一. 逻辑回归（Logistic Regression）二. 逻辑回归模型的算法原理1. 处理数据2. 引入sigmoid函数3. 引入梯度下降法三. 逻辑回归与线性回归的相同点和不同点四. 算法实现五. 逻辑回归的优缺点 逻辑回归是一个非常经典的解决分类问题的机器学习方法，该算法的主要思想是将输入变量的线性组合映射到0到1之间的概率，用于预测二元输出变量。假设我们有一个二分类问题，需要预测一个样本属于两个类别中的哪一个。1）公式：2）sigmoid图像：注：将线性回归的结果映射到[0,1]区间上
2024-05-29 13:49:10
1112
原创 机器学习——贝叶斯算法
贝叶斯公式的用途在于通过己知三个概率来推测第四个概率。它的内容是：在 B 出现的前提下，A 出现的概率等于 A 出现的前提下 B 出现的概率乘以 A 出现的概率再除以 B 出现的概率。通过联系 A 与 B，计算从一个事件发生的情况下另一事件发生的概率，即从结果上溯到源头（也即逆向概率）。总的来说，贝叶斯算法提供了一种基于概率的框架，可以有效地处理分类问题和概率估计问题。它的优点包括简单、易于实现，适用于各种数据类型，尤其在处理高维数据和大规模文本数据时表现出色。
2024-05-13 21:44:50
911
1
原创 决策树及模型评估
1. 决策树模型的实例2. 信息熵信息熵H(X)的计算公式如下。其中X表示随机变量，随机变量的取值为X1，X2，X3…，在n分类问题中便有n个取值，例如，在员工离职预测模型中，X的取值就是“离职”与“不离职”两种；pi表示随机变量X取值为Xi的发生频率，且有Σpi＝1。当引入某个用于进行分类的变量A（如“满意度＜5”），则根据变量A划分后的信息熵又称为条件熵，其计算公式如下。其中S1、S2为划分后的两类各自的样本量，H（X1）、H（X2）为两类各自的信息熵。
2024-04-30 14:21:55
774
原创 分类模型评估
针对类别不平衡的问题，可以采用一些方法来改善模型性能，例如使用重采样技术、调整分类阈值等。对于分类模型的评估，我们需要综合考虑多个指标，并根据具体业务需求选择合适的评估方法和调整策略。这样才能更准确地评估模型的性能和进行模型的优化TN+FP+
2024-04-28 15:00:52
1847
原创 KNN算法原理及python代码实现
（英文为K-Nearest Neighbor，因而又简称KNN算法）是非常经典的机器学习算法，用于分类和回归问题。其基本原理是对于一个新样本，K近邻算法的目的就是在已有数据中寻找与它最相似的K个数据，或者说“离它最近”的K个数据，如果这K个数据大多数属于某个类别，则该样本也属于这个类别。和K值的选取很大程度决定了KNN算法的结果；点距离则一般使用欧氏距离或曼哈顿距离。
2024-04-16 16:52:33
3351
1
原创 分类模型评估
K最近邻（K-Nearest Neighbors，KNN）是一种简单而常用的机器学习算法，用于分类和回归问题。其基本原理是通过计算待分类样本与训练集中所有样本的距离，然后选取距离最近的K个样本，根据这K个样本的类别（对于分类问题）或者数值（对于回归问题）来预测待分类样本的类别或数值。然后使用一个简单的二维数据集进行训练和预测，其中X_train是特征数据，y_train是标签数据。最后，对X_test进行预测并输出结果。代码说明：在上面示例中，首先定义了一个简单的KNN类，包括。
2024-04-02 18:15:02
903
1
原创 Anaconda和VSCode的安装教程
（1）百度输入网址“https://www.anaconda.com/”，进入Anaconda官网。点击“Free Download”进入后再点击“Download”即可下载。（例：新建一个文件夹名称可为“D:\Anaconda”，然后选择安装路径时选择该文件夹）（1）打开“此电脑”，右键点击“属性”，选择“高级系统设置”，点击“环境变量”。④输入“active”，回车，之后输入“python”。三条变量信息新建完成后点击“确定”。（2）在系统变量中找到“Path”，双击进入。（3）点击“新建”。
2024-03-19 17:39:53
423
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