机器学习
可爱的泥鳅
神奇的人工智能。
展开
-
机器学习K近邻算法
机器学习之入门级算法K近邻我们所说的KNN也就是K近邻算法! 这是用来解决分类问题的:在训练集标签已经确定的情况下,给定一条新的数据,通过K近邻算法来确定它属于哪一类。K近邻算法与逻辑回归不同的是: K近邻可以解决多分类问题,而逻辑回归是解决二分类问题的(但是工作当中逻辑回归用的还是比较多的)我之所以建议学习机器学习先学K近邻算法,是因为大多数算法需要数学方面的基础特别多,而K近邻中很少用...原创 2018-11-08 17:09:35 · 537 阅读 · 1 评论 -
KNN算法代码实现底层
111原创 2018-11-12 20:25:01 · 507 阅读 · 2 评论 -
分类算法评估-混淆矩阵、精确率和召回率以及F1_Score
分类算法评估-混淆矩阵、精确率和召回率首先引入问题,为什么我们再评估分类算法的时候通常用精确率和召回率?假设现在有1000个人。预测他们是否得了癌症。假设他们总共有900人是健康的,10人患癌症,那么在这种情况下我们如果将所有人都预测为健康的。在这种情况下我们的准确率是: 99.0% 那我们的这个模型显然的不是一个好的模型。所以就引出了精确率(precision)和召回率(reca...原创 2018-12-04 19:35:31 · 2578 阅读 · 0 评论 -
K-Means简单理解之《老王开超市》以及‘肘部法则’
本文讲解Kmeans的简单理解和小应用《老王开超市》以及肘部法则有很多聚类方法,我们这里是最基本的Kmeans聚类什么是Kmeans聚类,俗话讲‘物以类聚,人以群分’。数据也是如此与分类不同的是:聚类是无监督算法,而分类是有监督算法是带标签的。聚类可以简单的理解为根据数据的各个特征把一堆数据聚集为多个群体。然后针对不同群体的数据进行不同的操作。例如:老王想要在村子里开几个个超市...原创 2018-11-30 21:15:06 · 2339 阅读 · 0 评论 -
岭回归(Ridge)和Lasso回归
在线性回归的问题里面,我们总会遇到一种问题:那就是过拟合问题其实解决过拟合问题我们可以采用很多办法**例如 : **降低模型复杂度减少数据维度降噪增加样本数使用验证集等等我们在这里探讨的是岭回归(Ridge):线性回归的代价函数公式就是误差平方和。岭回归的话其实就是在代价函数公式上加上 1/2 * 所有参数的平方的和。(如图)↓而这个Lasso回归呢。其实就...原创 2018-12-06 20:31:37 · 658 阅读 · 0 评论 -
逻辑回归解决多分类&二分类算法如何解决多分类
我们都知道逻辑回归是基于概率理论的。所以逻辑回归只能解决二分类问题,那么逻辑回归该如何解决多分类问题呢?**OVROVR(One Vs Rest)OVR的思想 : 还是讲类别分为两类: 一类是A类,另一类就是其他所有类(把其他所有类当成一类来看),如图:上图可见:要将类别分为三类,这就是多分类的问题, 如果用OVR来解决的话:如下图:**...原创 2018-12-15 14:46:16 · 7124 阅读 · 1 评论