- 博客(6)
- 收藏
- 关注
RSS订阅原创 机器学习笔记——支持向量机 SVM
如有错误欢迎评论区指出谢谢什么是支持向量机支持向量机（support vector machine）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器。但有好些情况数据是线性不可分的，就比如在下面的这种情况在这种情况下我们就会对数据进行升维或者说映射到高维空间，来使得有超平面可以能将两种颜色的点分开，这里我们使用的是核函数（kernel）。如果更加具象化一点可以说是在数轴上1到-1之间是红点，其他地方是黑点，这时候我们无法以一个点为界划分两种不同颜色的点，所以我们会将其映射.
2021-08-20 20:28:07
121
原创 机器学习笔记——随机森林
学习随机森林之前得先了解决策树，可以看我这篇关于决策树的文章：机器学习笔记——决策树随机森林是什么？随机森林是非常常用又简单的监督学习算法，它可以分成“随机”和“森林”来理解，随机即树的生成伴随着随机性，这在后面会详细讲到；森林也就是很多的树在一起形成了森林。在这里我们可以猜到随机森林就是将很多的随机生成的树整合在一起进行投票决策的算法。好比当我们要判断一只动物的时候森林里面每棵树都会发表自己的看法，然后这些意见中最多的那个就会是判断的结果。这就属于集成学习的思想，而在集成学习中随机森林又属于b
2021-08-16 22:57:47
422
原创 机器学习笔记——决策树
今天是七夕啊，我看了一眼空荡荡的卧室 今年还是一个人过七夕，只能import numpy as npy????单身的朋友早日脱单，下面正文开始什么是决策树？决策树是一种常用的解决分类问题的监督性学习方法，它采用了树形结构就长下面那样其中根节点是所有样本的全集，只有出边；内部节点是对于某一特征的比较或测试，有一条进边与若干条出边；叶节点代表了决策过后分出的类别，只有一条进边。当我们预测一个样本的类别时，会从根节点出发，然后通过内部节点对于某一特征的判断去向其子节点，然后重复直到到
2021-08-15 16:46:35
172
原创 机器学习笔记——朴素贝叶斯
朴素贝叶斯算法思想举个例子，一个买瓜老手去买瓜怎么挑到甜的西瓜？首先他会观察这个西瓜的纹理是不是清晰的，如果纹理模糊不清或是很不规则那么大概率口感不好，其次会去拍一拍这个西瓜听声音是清脆的还是闷响的前者皮薄汁多，后者就可能是熟透了。这样一来就能保证他买来的大部分西瓜都是甜的，而在这之前他一定是买过很多瓜，然后尝过味道之后得到的经验告诉他大部分声音清脆，纹理清晰的瓜都是好瓜。在这里他用经验来判断挑到的瓜的好坏，而在朴素贝叶斯算法里我们称为先验概率。贝叶斯公式首先我们在朴素贝叶斯模型里会默认每个特征
2021-08-08 17:56:46
464
原创 机器学习笔记——线性回归与逻辑回归
线性回归是什么：线性回归是回归问题的一种，模型试图去找到y 与 x 的线性关系同时去预测新输入的输出值y = m1x1 + m2x2 + m3x3 + … + mnxn + by = m1x1 + m2x2 + m3x3 + … + mnxn + by = m1x1 + m2x2 + m3x3 + … + mnxn + b...
2021-08-04 16:42:42
423
原创 机器学习笔记——KNN （K Nearest Neighbors）
什么是K邻近算法 （KNN）：比如说在这样一个图中，我们将已知的带有标签的数据（labeled data）放在一个直角坐标系中。现在如果我们读取了一个新的数据，我们想要分辨它是属于哪一种生物（这里用颜色表示）。先同样的将它放入这个坐标系中，然后分别计算出这个点与每一个已经出现过的点的欧式距离（Euclidean Distance）然后与以他最相邻的k个点的类别来判断它的类别。假设我们现在不知道（5，3.0）这个点的类别，同时我们将参数k设为5。我们就得到了与之相邻的5个点都是setosa（红..
2021-08-03 18:14:46
468
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人