- 博客(7)
- 收藏
- 关注
RSS订阅原创 机器学习——SVM
支持向量机（Support Vector Machine，SVM）是一种机器学习算法，用于分类和回归分析。它能够有效地处理线性可分和线性不可分的数据，并在高维空间中构建最优的决策边界。SVM的核心思想是找到一个超平面，将不同类别的样本点尽可能地分开，并且使得两个类别之间的间隔最大化。这个超平面称为最大间隔超平面，它可以很好地进行分类预测。具体而言，SVM通过将样本映射到高维特征空间，使得数据在该空间中线性可分。
2024-06-10 14:07:02
1008
原创 机器学习——logistic回归
逻辑回归（Logistic Regression）是机器学习中的一种分类模型，逻辑回归是一种分类算法，该算法的目的是预测二元输出变量（比如0或1），逻辑回归算法广泛运用于预测股票市场，顾客购买行为，诊断疾病等等。虽然名字中带有回归，但却是一种分类算法。优点：（1）训练速度较快，分类的时候，计算量仅仅只和特征的数目相关；（2）简单易理解，模型的可解释性非常好，从特征的权重可以看到不同的特征对最后结果的影响；（3）适合二分类问题，不需要缩放输入特征；
2024-05-28 15:58:40
978
原创 机器学习——朴素贝叶斯
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。用数学语言表达就是：支持某项属性的事件发生得愈多，则该属性成立的可能性就愈大。朴素贝叶斯算法分析（1）朴素贝叶斯模型发源于古典数学理论，有稳定的分类效率。（2）对小规模的数据表现很好，能个处理多分类任务，适合增量式训练，尤其是数据量超出内存时，我们可以一批批的去增量训练。（3）对缺失数据不太敏感，算法也比较简单，常用于文本分类。
2024-05-14 17:23:38
543
1
原创 机器学习——决策树
ID3算法:ID3算法核心就是“最大信息熵增益” 原则选择划分当前数据集的最好特征。而且对于连续型特征，比如长度，密度都是连续值，无法在ID3运用，利用信息熵划分属性，会对倾向于可取值数目较多的属性。没有考虑过拟合的问题。CART算法:CART算法使用基尼系数来代替信息增益比，基尼系数代表了模型的不纯度，基尼系数越小，则不纯度越低，特征越好。这和信息增益及信息增益率是相反的。
2024-04-29 22:41:36
742
原创 机器学习——模型评估
此外，混淆矩阵多用于判断分类器（Classifier）的优劣，适用于分类型的数据模型，如分类树（Classification Tree）、逻辑回归（Logistic Regression）、线性判别分析（Linear Discriminant Analysis）等方法。模型评估指标中，AUC表示ROC曲线下的面积，用于衡量模型对正负样本的区分能力；ROC、AUC面积：一种常用的分类性能指标，表示在所有可能的分类阈值下模型的ROC曲线与y=x线之间的面积；PR曲线下的面积（AUC）越大，表示模型性能越优秀。
2024-04-16 16:21:42
782
原创 k近邻算法
它的思想很简单：如果一个样本在特征空间中的多个最近邻(最相似〉的样本中的大多数都属于某一个类别，则该样本也属于这个类别。此时有一个未标记的数据样本，我们的任务是预测出这个数据样本所属的类别。knn的原理是，计算待标记样本和数据集中每个样本的距离，取距离最近的k个样本。待标记的样本所属类别就由这k个距离最近的样本投票产生。knn算法的核心思想是未标记样本的类别，由距离其最近的k个邻居投票来决定。'电影2': [18, 90, '爱情片'],'电影3': [2, 81, '爱情片'],# 取前k个最近的距离。
2024-04-02 13:02:12
679
原创 Anaconda安装
第十七步：输入下面的五个环境变量，需要将以下五条环境变量中涉及的到的"D:\WorkSoftware\Install\Anaconda3"都修改为Anaconda的安装路径。第十八步：检验安装是否成功同时按 win + r ，输入cmd，在弹出的命令行查看anaconda版本，输入：conda --version。： 查看用户自己设置的环境变量，双击path后面的值，进入查看自己设置过的环境变量。第十四步：配置环境变量，高级系统设置→（点击）环境变量。第十六步：在编辑环境变量里，点击新建。
2024-03-19 12:46:15
323
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