机器学习
文章平均质量分 78
JRWu
这个作者很懒,什么都没留下…
展开
-
机器学习:(6)支持向量机
支持向量机1. 什么是SVM1. 什么是SVM支持向量机,因其英文名为support vector machine,故一般简称SVM,通俗来讲,它是一种二类分类模型,其基本模型定义为特征空间上的间隔最大的线性分类器,其学习策略便是间隔最大化,最终可转化为一个凸二次规划问题的求解。给定训练样本集D = {(x1,y1),...,(xm,ym)(x_1,y_1),...,(x_m,y_m)(x1,y1),...,(xm,ym)},yi∈y_i∈yi∈{-1,+1},分类学习最基本的想法就是基于训原创 2021-12-21 20:05:27 · 923 阅读 · 0 评论 -
机器学习:(1)k-近邻算法及手写数字识别系统
(一)kNN算法概述1.k邻近算法基于距离的测量,选取距离最近的特征值,即为预测的结果。该算法属于监督学习中的分类算法,基于大量数据的基础上,做出相应的预测,一般运用于手写数字识别,约会网站的大量数据匹配等等。2.其优点是:精度高,对异常值不敏感,无数据输入假定.3.其缺点是:计算复杂度高,空间复杂度高。4.适用数据范围是:数值型和标称型。(二)原理kNN算法的工作原理:存在一个样本数据集合,也称作训练样本集,并且样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后,将新数据的每个特征与原创 2021-09-18 16:54:05 · 1053 阅读 · 0 评论 -
机器学习:(2)kNN算法之约会网站配对
kNN算法之约会网站配对1. 实验内容2. 代码2.1 从文本文件中解析数据2.2 归一化数值2.3 测试算法3. 运行结果1. 实验内容使用kNN算法改进约会网站的配对效果,使匹配对象更好地划分到确切的分类中。2. 代码2.1 从文本文件中解析数据从文件中读取数据,将待处理数据的格式改变为分类器可以接受的格式。该函数输入为文件名字符串,输出为训练样本矩阵和类标签向量。#从文件中读取数据#首先将待处理数据的格式改变为分类器可以接受的格式#该函数输入为文件名字符串,输出为训练样本矩阵和类标签原创 2021-10-10 20:01:58 · 882 阅读 · 0 评论 -
机器学习经典数据集
http://archive.ics.uci.edu/ml/index.php使用方法:https://blog.csdn.net/shengchaohua163/article/details/78385166原创 2021-10-23 19:59:02 · 246 阅读 · 0 评论 -
机器学习:(3)决策树
决策树一、什么是决策树二、决策树剪枝三、决策树的三种常用算法1. ID3(1)定义(2)知识点信息熵信息增益(3)步骤决策树的构造使用Matplotlib注解绘制树形图一、什么是决策树(1)决策树,就是一个类似于流程图的树形结构,树内部的每一个节点代表的是对一个特征的测试,树的分支代表该特征的每一个测试结果,而树的每一个叶子节点代表一个类别。树的最高层是就是根节点。使用决策树进行决策的过程就是从根节点开始,测试待分类项中相应的特征属性,并按照其值选择输出分支,直到到达叶子节点,将叶子节点存放的类别作为原创 2021-10-27 01:00:38 · 1859 阅读 · 0 评论 -
机器学习:(4)朴素贝叶斯
朴素贝叶斯一、朴素贝叶斯理论1. 简介2. 贝叶斯决策理论3. 条件概率一、朴素贝叶斯理论1. 简介朴素贝叶斯算法是有监督的学习算法,解决的是分类问题,如客户是否流失、是否值得投资、信用等级评定等多分类问题。该算法的优点在于简单易懂、学习效率高、在某些领域的分类问题中能够与决策树、神经网络相媲美。但由于该算法以自变量之间的独立(条件特征独立)性和连续变量的正态性假设为前提,就会导致算法精度在某种程度上受影响。2. 贝叶斯决策理论朴素贝叶斯是贝叶斯决策理论的一部分,所以在讲述朴素贝叶斯之前有必要原创 2021-11-18 22:29:40 · 652 阅读 · 0 评论 -
机器学习:(5)Logistic回归
Logistic回归一、Logistic回归与梯度上升算法1. Logistic回归1.1. 基于Logistic回归和Sigmoid函数的分类1.2. 基于最优化方法的最佳回归系数确定2. 梯度上升算法三级目录一、Logistic回归与梯度上升算法1. Logistic回归logistic回归又称logistic回归分析,是一种广义的线性回归分析模型,常用于数据挖掘,疾病自动诊断,经济预测等领域。例如,探讨引发疾病的危险因素,并根据危险因素预测疾病发生的概率等。logistic回归的因变量可以原创 2021-11-18 22:28:33 · 2417 阅读 · 0 评论