![](https://img-blog.csdnimg.cn/52444ed112f440468ecc0ca1e798198d.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习
记录一些自己学习机器学习的笔记,希望和大家一起分享交流
小刘就是我
这个作者很懒,什么都没留下…
展开
-
第三章《线性回归》part1
回归就是利用模型拟合输入特征与标签之间的关系;线性回归是通过属性的线性组合来进行预测的线性模型,其目的是找到一条直线,一个平面或者更高维度的超平面,使得预测值和真实值之间的误差最小。易于建模,形式简单,可解释性,非线性模型的基础。监督学习分为:回归和分类。原创 2023-08-15 09:45:27 · 38 阅读 · 1 评论 -
第二章《模型评估与选择》part2_性能度量one
但是,高精度不一定就代表这个模型分类效果很好;比如,90个桃和10个苹果放在黑箱子里,我不需要任何技术,我把里面全部判断为桃子,我的分类精度也能高达90%,根据混淆矩阵,会计算Precision,Recall,F1-score。2.MSE的单位和目标不同,其他和目标一致;1.错误率就是分错的样本占总样本个数;取值为0,说明拟合的是目标的均值;R方系数取值为1,说明完美拟合;3.三者对预测错误的正负不敏感;精度就是分对的样本占总样本个数;1.三者的取值范围都是0-∞;取值为负数,说明拟合不理想。原创 2023-06-26 21:22:45 · 46 阅读 · 1 评论 -
第二章《模型评估与选择》part1_数据集划分
数据集的划分方法原创 2023-05-01 20:06:09 · 75 阅读 · 0 评论 -
第一章《绪论》
机器学习的定义:假设用P来评估计算机程序在某任务T上的性能,若一个程序通过利用经验E在T任务上获得性能提升,则我们就说关于T和P,该程序对E进行了学习。鲁棒性:T.Dietterich强调:随着人工智能技术的发展,越来越多地面临高风险应用,因此人工智能必须要有“鲁棒性”(也就是更正错误的鲁棒)。机器学习:计算机利用以后的数据(经验),得出的某种模型,并预测未来新数据的一种方法。机器的学习:数据+不断提高“技能”(此处的技能可以是:计算机系统、程序、算法等)较好拟合:对训练集拟合较好,对测试集也较好。原创 2023-05-01 11:11:26 · 37 阅读 · 1 评论 -
《机器学习-Machine Learning》开篇
Hello,亲爱的CSDN的亲人们和粉丝们,你们好!从今天开始,小编就要开启一个新的专栏“机器学习”,既可以和大家一起分享交流,也可以随时记录自己的一些想法和思考。随着最近爆火的ChatGPT and GPT-4的问世,相信大家对 Artificial Intelligence(人工智能)的学习将会进入一个前所未有的高潮,机器学习就会成为入门的第一基础课,相信我们会一起加油,一起开启AI的大门!原创 2023-05-01 10:40:17 · 39 阅读 · 1 评论