- 博客(8)
- 收藏
- 关注
RSS订阅原创 支持向量机
支持向量机（SVM）是一种基于统计学习理论的分类方法，其核心思想是通过寻找一个超平面来对样本进行分割，使得不同类别的样本位于超平面的两侧，并且使得离超平面最近的样本点到超平面的距离最大化。在未来的研究中，我们可以进一步探索SVM算法的优化和改进方法，以提高其在处理大规模数据集和复杂任务时的性能和效率。首先绘制散点图，然后获取坐标轴的范围，生成网格点，计算网格点的Z值，最后绘制等高线。当C比较小时，模型对错误分类的惩罚较小，比较松弛，样本点之间的间隔就比较大，可能产生欠拟合的情况当。
2024-06-20 17:17:31
548
1
原创 主成分分析（PCA）
主成分分析（PCA）是一种基于统计学的数据分析方法，旨在利用正交变换将原始数据转换为一系列线性不相关的变量，即主成分。这些主成分按照方差大小进行排序，第一主成分具有最大的方差，后续主成分依次递减。通过选择前几个主成分，我们可以在减少数据维度的同时，保留原始数据的主要信息。本次实验旨在通过主成分分析（PCA）方法对一个实际数据集进行降维处理，探索数据的内在结构和特征。主成分分析是一种常用的数据降维技术，它可以将高维数据转化为低维数据，同时保留原始数据的主要信息。
2024-06-20 16:57:49
478
原创 【机器学习】逻辑回归
plotBestFit()函数通过使用Matplotlib画出数据集和Loistic回归最佳拟合直线的函数，这里设置了Sigmoid函数为0（0是两个分类<类别1和类别0>的分界处），即 ，然后解出X2和X1的关系式（即分割线的方程，注：X0=1）：可以从下图结果看出，改进后的随机梯度上升算法的分类器分类结果优于未改进的随机梯度上升算法，分隔线与gradAscent()函数的分类结果大致相同，但是迭代次数（150次）明显低于gradAscent()函数。其中，w是权重向量，b是偏置项。
2024-05-28 16:01:09
753
原创 贝叶斯分类器实验
对分类任务来说，在所有相关概率都已知的理想情形下，贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记。朴素贝叶斯分类器是一类基于贝叶斯定理的简单概率分类算法，它是一种有监督学习算法，常用于文本分类、垃圾邮件过滤、情感分析等问题。朴素贝叶斯分类器假设特征之间相互独立（条件独立性假设），这是“朴素”（Naive）之处，因为在现实情况中，特征之间可能存在相关性。
2024-05-14 18:05:08
969
原创 机器学习-模型评估
机器学习模型评估：深入理解与正确应用机器学习模型的评估是机器学习工作流程中至关重要的环节。模型评估不仅有助于我们了解模型的性能，还能为模型的优化提供指导。本文将深入探讨机器学习模型评估的基本概念、评估指标以及在实际应用中可能遇到的挑战和注意事项。
2024-04-16 16:26:51
258
原创 k最临近算法（KNN）
KNN（K-Nearest Neighbor）算法是机器学习领域中最基础、最简单的算法之一。其核心思想是通过测量不同数据点之间的距离来进行分类。具体来说，KNN算法的工作原理可以概括为以下几个步骤：首先，存在一个包含多个已知标签样本的数据集，这些样本由多个特征构成的多维空间表示。当需要预测或分类一个新的样本时，KNN算法会计算这个新样本与数据集中所有已知样本的距离。然后，选取与新样本距离最近的K个已知样本，这K个样本被称为该新样本的“最近邻”。
2024-04-16 16:12:49
790
4
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