![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
十大经典算法
文章平均质量分 87
Happy丶lazy
这个作者很懒,什么都没留下…
展开
-
机器学习十大经典算法-KMeans
K-means 是我们最常用的基于欧式距离的聚类算法,其认为两个目标的距离越近,相似度越大。其算法步骤为:那么这里就会引现出几个问题,初始簇类中心如何选择值的选择距离最近原则具体指什么怎么更新簇类中心判断簇类收敛到不再改变的条件是什么?初始簇类中心如何选择选择初始类簇中心点对于聚类效果的好坏有很大的影响,那么我们该如何去确定簇类中心呢?1.随机选取随机选取是最简单的方法,但是也是有技巧的,我们通过对数据的预估来进行观察,从而确定初始的K值,比如说二维平面上的点,我们可以通过将其可视化到原创 2021-09-03 10:28:26 · 382 阅读 · 0 评论 -
机器学习十大经典算法——线性回归
推荐b站视频:https://www.bilibili.com/video/BV1Ht411m7UP?p=5回归分析(Regression toward mediocrity)-趋中回归有人可能会好奇,为什么叫“回归”这个名称,它有什么具体含义?实际上,回归这种现象最早由英国生物统计学家高尔顿在研究父母亲和子女的遗传特性时所发现的一种有趣的现象:身高这种遗传特性表现出“高个子父母,其子代身高也高于平均身高;但不见得比其父母更高,到一定程度后会往平均身高方向发生‘回归’”。 这种效应被称为“趋中回归”。原创 2021-06-21 14:24:16 · 1400 阅读 · 0 评论 -
机器学习十大经典算法——随机森林
前言:陆陆续续已经更新到集成学习了,再有三四期这个系列也就结束了,慢慢的发现博客就是为自己写的,为的博客有点高产,主要是一些接的单子,主要是为了方便下次接单,感觉最近学的有点迷茫了,走人工智能的话要高学历,走大数据开发又要学hadoop这些java框架,我裂开了呀,机器学习学完也就要进阶深度学习了,加油。1.什么是随机森林利用多棵树对样本进行训练并预测的一种分类器其实就是决策树的升级版...原创 2020-03-18 04:17:50 · 1180 阅读 · 0 评论 -
机器学习十大经典算法——决策树
1:什么是决策树1.2官话:决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构建决策树来进行分析的一种方式,是一种直观应用概率分析的一种图解法1.2通俗通过一个案例来解释吧,下图是一张用户是否能进行债务偿还的表格,按照我平时的习惯,我们脑子里会有一个类似重要度的东西,比如他年收入高就比年收入低更容易还清贷款,已婚就比单身更容易还清,有房就不没房更容易还清,...原创 2020-03-14 03:53:06 · 6792 阅读 · 2 评论 -
机器学习十大经典算法——knn
前面讲了线性回归和逻辑回归,这期咱们讲knn----------------------------------------------------------寒江孤影江湖故人相逢何必曾相识-----------------------------------------------------------------1:什么是knn1.2官话:任何样本点的特性和该的邻近点的特...原创 2020-02-21 16:24:50 · 521 阅读 · 0 评论 -
机器学习十大经典算法——逻辑回归
前言:现在更新第二期,做完第一期后得到了好多人的鼓励,也让我更有信息吧这一系列做完,在这期间还得到了csdn排名前三的大佬点赞,真的非常高兴,这期的逻辑回归是在线性回归的基础上进行的,线性回归是基础,我希望大家先吧线性回归搞懂,再开始逻辑回归,这样更容易点,现在我们开始讲第二期逻辑回归1:什么是逻辑回归1.1官话:假设数据服从伯努力分布,通过极大似然函数的方式运用梯度下降来求解参数,...原创 2020-02-19 22:00:23 · 461 阅读 · 0 评论 -
十大经典算法_家庭用电预测:线性回归算法(时间与功率&功率与电流之间的关系)
# 引入所需要的全部包from sklearn.model_selection import train_test_splitfrom sklearn.linear_model import LinearRegressionfrom sklearn.preprocessing import StandardScalerimport numpy as npimport matplotlib...原创 2020-02-16 22:01:54 · 1828 阅读 · 0 评论