监督学习
YancyKahn
这个作者很懒,什么都没留下…
展开
-
【机器学习基础】对数似然回归(Logistic)对泰坦尼克号幸存者分类
对数似然回归(Logistic)对泰坦尼克号幸存者分类Logistic Regression 即为对数似然回归,它可以看做是一个最简单的人工神经网络。它是通过对数据进行拟合,从而选择一条线(超平面)将数据集分成两个部分,从而实现分类。文章目录对数似然回归(Logistic)对泰坦尼克号幸存者分类一、对数似然回归理论知识1. 定义超平面 (Hyper-Plane)2. 激活函数 (Active Function)3. 损失函数(Loss Function)4. 梯度下降 (Gradient Desce原创 2020-10-21 22:04:26 · 1417 阅读 · 0 评论 -
【机器学习基础】线性回归模型预测B站视频点赞量与收藏量的关系
线性回归模型预测B站视频点赞量与关注量的关系(华农兄弟)文章目录线性回归模型预测B站视频点赞量与关注量的关系(华农兄弟)前言一、线性回归模型二、获取数据三、模型训练四、代码参考文献前言线性回归模型可以用来预测数据的走势。通过对现有数据集的训练,可以得到一个线型函数Y=w*X+b,通过这个线性函数可以预测出后续的值。一、线性回归模型线型回归是在假设目标值X与特征值Y有线型相关关系的前提下,通过已知的数据集对线性模型:进行求解,具体的求解方式为构建损失函数,使得损失函数的值越来越小,直到达到原创 2020-10-10 22:27:02 · 2060 阅读 · 0 评论 -
【机器学习基础】朴素贝叶斯对B站弹幕分类(是否永久封禁)
朴素贝叶斯分类文章目录朴素贝叶斯分类前言一、使用条件概率进行分类二、获取B站小黑屋弹幕数据三、代码参考文献前言朴素贝叶斯分类是对于贝叶斯概率理论的一个应用,他可以对数据进行分类,是一个很常用的分类算法。一、使用条件概率进行分类计算在不同分类下的条件概率,那个分类的概率大那么久将其归到概率大的分类一方。在实际计算时候使用概率的对数进行计算,这样可以避免乘法下溢。初始化是对计算概率的分子和分母初始化值不为0,但要保证分母>分子。这样可以避免有0值和除0。在比较不同的条件概率时,可以原创 2020-10-08 21:28:51 · 1198 阅读 · 0 评论 -
【机器学习基础】决策树分类算法
决策树分类算法决策树的本质是一棵树,它的每一个叶子节点表示某种分类。通过对整个树的分支进行选择,最终到达叶子节点,可得到它是何种分类的事物。文章目录决策树分类算法一、如何选择最佳的决策1. 奥卡姆剃刀原理2. 信息熵3. 决策树构建二.实例说明二、代码实现总结参考文献一、如何选择最佳的决策1. 奥卡姆剃刀原理“如无必要,勿增其值”。就是说在进行决策时候,我们要选择最快能获得结果的方式。更加直白的说法就是“能用三分力,别动五成功”。2. 信息熵将奥卡姆剃刀原理应用到决策树中,我们要引入信息熵原创 2020-09-30 15:01:38 · 850 阅读 · 0 评论 -
【机器学习基础】KNN实现手写数字识别
KNN(K-近邻算法)实现手写数字识别K-近邻算法是一种监督机器学习分类算法。它的思想很简单,计算测试点与样本集合之间的欧几里得距离(直线距离),找到测试点与样本集合中距离最近的k个样本集,这k个样本集合中对应的最多的分类就可以作为测试点的分类。本文使用的数据集, 解压后的testDigits文件夹为测试文件,trainingDigits为训练文件# 手写数字识别import numpy as npimport osclass DigitRecoginze(): def _原创 2020-09-29 10:51:33 · 678 阅读 · 0 评论