- 博客(8)
- 收藏
- 关注
RSS订阅原创 主成分分析（PCA）
PCA是一种强大的数据降维和特征提取工具，在机器学习中具有广泛的应用。通过了解PCA的基本原理和算法步骤，我们可以更好地掌握其使用方法，并在实际任务中发挥其优势。当然，PCA也存在一些局限性，我们需要在应用中结合具体问题和数据特点进行选择和优化。
2024-06-16 22:33:58
1933
原创 支持向量机（SVM）
支持向量机（SVM）是一种强大的机器学习算法，广泛应用于分类和回归分析任务。通过深入了解SVM的基本原理、数学推导、核函数选择以及参数调优等方面的知识，我们可以更好地应用SVM解决实际问题。然而，SVM也存在一些局限性，如对大规模数据集不友好、对参数和核函数选择敏感等。未来，随着机器学习技术的不断发展，我们可以期待出现更多更优秀的算法来弥补SVM的不足，并推动机器学习领域的进一步发展。
2024-06-10 22:57:58
1590
原创 逻辑回归算法
逻辑回归是一种简单但强大的分类算法，它适用于二分类问题，并且可以通过扩展来处理多分类问题（如使用softmax函数）。在逻辑回归中，我们使用了Sigmoid函数将线性回归的输出转换为概率值，并使用交叉熵损失函数来衡量预测值和真实值之间的差异。通过梯度下降法优化损失函数，我们可以找到使损失最小的参数，从而得到最终的分类模型。
2024-05-27 23:07:35
689
原创 朴素贝叶斯算法
实现简单，计算效率高。在一些问题上表现出色，如文本分类和垃圾邮件过滤。对缺失数据和异常数据不敏感。特征独立性假设在现实中往往不成立，这会影响分类的准确性。在处理不平衡数据集时可能表现不佳。需要对特征进行适当的选择和预处理，以提高分类性能结论朴素贝叶斯分类器是一种简单而有效的分类方法，在文本分类等领域有着广泛的应用。通过利用贝叶斯定理和特征条件独立假设，我们可以快速计算给定特征集下每个类别的后验概率，并选择后验概率最大的类别作为预测结果。
2024-05-13 18:20:21
1696
1
原创 机器学习决策树分类模型
决策树是一种强大的监督学习算法，特别适用于分类问题。它通过构建树状结构，利用一系列的问题（即特征）进行判定，最终得出分类结果。其中每个内部节点表示一个属性上的判断条件，每个分支代表一个判断结果的输出，每个叶节点代表一个类别标签。通过从根节点到叶节点的路径，我们可以对新的数据样本进行分类。
2024-04-29 00:10:22
441
原创 分类模型评估
其中，ROC曲线（Receiver Operating Characteristic Curve，受试者工作特征曲线）是一种重要的评估工具，能够直观地展现模型在不同分类阈值下的性能。AUC值（Area Under the Curve）则是ROC曲线下的面积，它表示了模型的整体性能，AUC值越接近1，模型的性能越好。比较不同k值下模型的ROC曲线和AUC值，分析k值对模型性能的影响。在实际应用中，我们还需要考虑其他因素，如数据集的大小、特征的选择等，以进一步提高模型的性能。二、ROC曲线与AUC值。
2024-04-15 00:54:37
486
1
原创 K-近邻算法（KNN）
它的核心思想是：如果一个样本在特征空间中的k个最相邻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。KNN算法是一种简单而有效的机器学习算法，它在许多领域都有着广泛的应用。：准备训练集和测试集，并对数据进行预处理，如特征缩放、缺失值处理等。：根据计算出的距离，选择距离测试样本最近的k个训练样本作为邻居。：根据这k个邻居的类别进行投票，将测试样本归为票数最多的那一类。：对于测试集中的每个样本，计算它与训练集中每个样本的距离。优点：精度高、对异常值不敏感、无数据输入假定。二、KNN算法的流程。
2024-03-30 15:02:23
410
原创 机器学习作业一
xIndex of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror。：略...............................
2024-03-11 00:12:12
105
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