机器学习
文章平均质量分 77
安吉尼尔
永远有疑问的代码发烧友
展开
-
从原理总结chatGPT的Prompt的方法
chatGPT相关学习总结原创 2023-05-28 19:10:37 · 5177 阅读 · 1 评论 -
PCA分析法的python主要代码
一 PCA分析法介绍可以理解为是一种降维的思想,将M列数据降维成对应的N列数据,用主要的几个字段解释整体方差变异也可以理解为一种低维度的映射,举例将三维的数据找到一个二维映射面,同时可以尽力解释出较多的信息来举例如下图所示:二 PCA分析法的基础步骤1.对数据求平均值,即求取对应的均值u=E(X)2.对特征数据进行去中心化处理,即X= X-E(X)=X-u3.对去中心化处理的特征矩阵求取协方差矩阵COV(X)4.对协方差矩阵求特征根和特征向量numta1,namuta2,numta3…及对原创 2021-10-06 16:44:59 · 19160 阅读 · 0 评论 -
分类与预测模型算法评价
使用分类算法或者预测算法进行模型建立,往往是通过训练集来调整模型的参数,在准确率比较小的时候,认为模型是合理的,然而如果只是使用测试的数据,而没有一组实际没有参与过的预测模型的数据集,很难对预测的模型效果进行比较。因此需要通过实际的测试集来评价模型的效果,这里有很多的评价指标,仅作为梳理衡量。1.绝对误差和相对误差绝对误差与相对误差是最实际直观的展现方式绝对误差:即实际值与预测值的差的结果相对误差:即实际值与预测值差占实际值的比例绝对误差的公式可写成(其中Y为实际值,为预测值):相对误差的公式原创 2021-03-14 18:24:01 · 2969 阅读 · 0 评论 -
基于R lavaan 进行SEM分析总结
前期对SEM模型的构建以及问卷题项设计工作已经完成,本部分从问卷数据收集以及处理完成后开始分析。一理论部分1.1验证性因子分析验证性因子分析CFA的主要目的在于进行效度验证,它与探索性因子分析有所不同。探索性因子分析主要是为了找出影响观测变量的因子个数,以及各个因子和各个观测变量之间的相关程度,推断模型的内部结果。而验证性因子分析的主要是决定事前定义因子的模型拟合实际数据的能力,以试图检验...原创 2020-01-31 16:39:54 · 19523 阅读 · 10 评论 -
逻辑回归梳理
基本思路看来很多逻辑回归的教程,很难理解,自己想梳理一下知识点。逻辑回归虽然带有“回归”的字样,实际上是一种分类算法,但是使用了回归的思想来解决分类问题。既然是分类,也就是使得X的取值不同,Y取值0或者是1。但是逻辑回归如何通过X的取值来判断Y是0还是1,具体分类的思路可以这么理解:我们重新先了解设置一个函数,使得:这个函数就叫做Sigmoid函数,该函数的图像如下:在图中sigmo...原创 2018-10-21 15:31:57 · 189 阅读 · 0 评论