![](https://img-blog.csdnimg.cn/direct/7036c002589345a6aa5502e7897a97e6.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
《机器学习实战》
文章平均质量分 87
《机器学习实战》的学习笔记
Цветы цветут
一个想成为大佬的菜鸟
展开
-
支持向量机(SVM)入门
支持向量机(Support Vector Machine,SVM)是一种监督学习算法,用于分类和回归任务。它的目标是在特征空间中找到一个最优的超平面,将不同类别的数据点分开,同时尽可能地使间隔(margin)最大化。在分类任务中,SVM通过学习一个决策边界,将不同类别的样本分开。原创 2024-03-14 17:46:52 · 824 阅读 · 1 评论 -
Logistic回归
Logistic回归是一种用于解决分类问题的线性模型,尤其适用于二分类问题。它通过sigmoid函数将线性回归的输出转换为概率,并根据阈值对概率进行分类。原创 2024-03-05 20:35:03 · 881 阅读 · 1 评论 -
机器学习基础
机器学习就是把无序的数据转换成有用的信息,通过对大量数据的分析和学习,能够自动发现数据中的模式,并利用这些模式来做出预测或做出决策。原创 2024-03-04 15:24:19 · 1345 阅读 · 1 评论 -
朴素贝叶斯分类器
朴素贝叶斯分类器是一种基于贝叶斯定理和特征条件独立假设的概率分类算法。原创 2024-03-01 15:46:19 · 1820 阅读 · 1 评论 -
k-近邻算法(KNN)快速入门
K-近邻算法工作原理:给出一个样本数据集,其中每个样本数据都存在标签,即每个样本与所属分类的对应关系。首先,输入没有标签的新数据后,将新数据的每个特征值与样本数据集中对应的特征值进行比较,然后提取样本数据集中特征最相似的数据(最近邻)的分类标签。一般选择样本数据集中前k个最相似的数据,通常k是不大于20的整数。最后,在k个最相似数据中选择出现次数最多的分类,作为新数据的分类。原创 2024-02-27 20:26:59 · 364 阅读 · 0 评论 -
决策树基础1
决策树是一种常见的机器学习算法,用于分类和回归任务。它通过构建一棵树状结构来进行决策,并根据输入数据的特征逐步进行分裂,最终达到对数据进行分类或者回归的目的。决策树的一个重要任务是为了理解数据中所蕴含的知识信息,因此可以使用不熟悉的数据集合,并从中提取出一系列规则。原创 2024-02-26 15:05:47 · 1292 阅读 · 0 评论