- 博客(8)
- 收藏
- 关注
RSS订阅原创 机器学习-主成分分析PCA
主成分分析PCA是一种广泛使用的数据降维技术，用于减少数据集的维数，同时尽可能保留数据的主要信息。它通过将数据投影到一个新的正交坐标系中，使得新的坐标系中的每个轴（主成分）都是原始数据集中最大方差方向的线性组合。PCA的应用包括数据压缩、特征提取、数据可视化等。降维后的数据：降维后的数据保留了原始数据中的主要信息，但减少了维度，从而降低了数据复杂性。均值向量：均值向量 [1.81,1.91]表示数据集中每个特征的平均值。数据中心化处理确保了降维后的数据是以均值为中心。特征向量。
2024-06-18 14:23:31
928
原创 机器学习-支持向量机
支持向量机是一种用于分类和回归的监督学习模型。它的主要目标是找到一个能够最大化分类间隔的决策边界（或超平面）。SVM 在解决二分类问题方面特别有效，并且可以通过核方法扩展到非线性分类问题。在本次支持向量机进行数据分类的实验中，首先，可视化的决策边界能够清晰地展示出模型对数据点的分类能力，其次，可以明显通过调整正则化参数（lambda_param）可以影响模型的收敛速度和最终分类效果，需要进行适当的调优。
2024-06-11 11:38:14
1769
原创 机器学习-逻辑回归
逻辑回归是一种广泛使用的统计方法和机器学习算法，主要用于二分类问题。尽管名字中有“回归”二字，逻辑回归实际上是一种分类算法。它通过线性回归模型的扩展来解决分类问题。逻辑回归的核心思想是将线性回归模型的输出通过sigmoid函数转换为概率，从而将其用于分类。在本次逻辑回归实验中，使用了梯度上升算法来训练逻辑回归模型，目的是最大化对数似然函数来优化模型的回归系数。设置了学习率和迭代次数，确保模型能够在训练集上收敛到合适的回归系数，通过绘制决策边界，展示了训练后模型所学习到的分类边界。
2024-05-28 13:15:44
670
1
原创 机器学习-朴素贝叶斯分类器
贝叶斯分类器是一种基于贝叶斯定理的概率模型，常用于文本分类、垃圾邮件过滤、情析等任务。该分类器基于特征之间的条件独立性假设，即给定类别下特征之间相互独立。它的工作原理是通过计算给定特征条件下类别的概率，并选择具有最高概率的类别作为预测结果。在本次的实验中，主要涉及朴素贝叶斯分类器，朴素贝叶斯分类器，它假设每个特征对于类别的影响是相互独立的，即使这在实际情况中并不成立。常见的朴素贝叶斯分类器包括多项式朴素贝叶斯、伯努利朴素贝叶斯和高斯朴素贝叶斯，它们分别适用于不同类型的特征分布。
2024-05-14 10:25:58
1108
1
原创 机器学习-决策树预测
决策树是一种常用的机器学习算法，它模拟人类在面对决策时的思维过程，通过一系列的分支条件来进行决策。它可以用于分类和回归任务。在决策树中，每个节点代表一个属性/特征，每个分支代表一个属性值的选择，而每个叶子节点代表一个类别标签（用于分类问题）或一个数值（用于回归问题）。决策树的构建过程包括特征选择、决策树的生成和剪枝。特征选择是指从所有特征中选择一个最优的特征作为当前节点的划分属性，常用的特征选择方法有信息增益、信息增益比、基尼系数等。
2024-04-29 23:17:41
855
原创 机器学习-k近邻算法模型评估
模型评估是指对机器学习或统计模型进行性能评估和验证的过程。通过模型评估，可以较好的发现模型的不足之处，评估模型验证的准确度，并为进一步改进模型提供指导。模型评估常见的方法有：交叉验证，留出集验证等方式，不同的验证方法有其自身的优缺点。在本次模型评估实验中，通过留出法，将数据集分为测试集和训练集，将待测数据中的每个元素利用第二节的knn算法进行标签预测，并匹配待测数据的标签是否和给定的标签相一致，如果一致就用计数器变量记录下来，反之丢弃。
2024-04-15 20:22:16
681
原创 k-近邻算法
K-近邻算法(K Nearest Neighbor)又叫KNN算法，指如果一个样本在特征空间中的k个最相似的样本中的大多数属于某一个类别，则该样本也属于这个类别。也就是对于新输入的实例，从数据集中找到于该实例最邻近的k个实例，那么这k个实例大多数属于某一个类，那么就把该实例放到该类中。KNN算法不仅可以用于分类，还可以用于回归。通过找出一个样本的k个最近邻居，将这些邻居的属性的平均值赋给该样本，就可以得到该样本的属性。
2024-03-31 16:19:45
1740
1
原创 Anaconda、Python的安装及其配置
以上是Anaconda和VSCode的安装与配置步骤，安装配置Anaconda和VSCode是为了建立一个便于python开发的环境。通过安装Anaconda，可以轻松管理Python环境和包，配置VSCode则使得编写、调试和运行Python代码更加高效和方便。在整个安装和配置Anaconda这个平台和VSCode的过程中，整个过程中，我学会了如何下载、安装和配置这些工具，并且通过测试确保它们的功能正常。这使我能够专注于编写代码而不必担心环境设置的繁琐。
2024-03-08 20:30:32
1665
2
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