![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 90
打代码能当饭吃?
print("Hello World");
展开
-
机器学习期末总复习详解
机器学习实战第一章 人工智能引擎机器学习与人工智能,深度学习的关系:进行机器学习的步骤机器学习算法的分类第二章 模型评估经验误差与过拟合评估方法性能度量第三章 k邻近算法KNN算法流程时间复杂度kd树k邻近算法优缺点第四章 决策树决策树算法流程划分选择信息增益ID3增益率C4.5基尼指数CART剪枝处理剪枝的基本策略预剪枝后剪枝第五章 朴素贝叶斯算法贝叶斯公式拉普拉斯修正第六章 逻辑斯蒂回归logistic回归:分类问题第七章 支持向量机最大间隔与分类拉格朗日乘子与对偶问题第一章 人工智能引擎机器学习与原创 2022-01-04 14:58:38 · 4411 阅读 · 5 评论 -
【机器学习】SVM支持向量机(详解)
什么是SVM最大间隔与分类对偶问题1.等式约束2.不等式约束的KKT条件3.KKTSMO高效优化算法编程求解线性SVM通过SMO-SVM实现对鸢尾花数据集的二分类总结什么是SVMSVM(全称Support Vector Machine)中文名支持向量机。SVM是一种监督机器学习算法,是一种二分类模型,它的目的是寻找一个超平面来对样本进行分割,分割的原则是间隔最大化,最终转化为一个凸二次规划问题来求解。可用于分类或回归挑战。然而,它主要用于分类问题。最大间隔与分类如果一个线性函数能够将样本分开,称这.原创 2021-12-24 18:11:22 · 1197 阅读 · 0 评论 -
【机器学习实战】Logistic回归实战(详解)
(一)、什么是Logistic回归(二)、基于Logistic回归和Sigmoid函数的分类1.Sigmoid函数2.Logistic回归的优缺点3.logistic回归的一般过程(三)、梯度上升最优算法python实现1.梯度上升法的基本思想2.普通梯度上升算法实现3.随机梯度上升算法实现3.随机梯度算法运行测试(四)、Logistic实战之预测病马死亡率1.数据收集2.分析数据3.训练算法(一)、什么是Logistic回归 Logistic回归(logistic regression)是统计学习.原创 2021-11-21 11:55:50 · 3548 阅读 · 0 评论 -
【机器学习实战】朴素贝叶斯应用之垃圾邮件过滤
1.什么是朴素贝叶斯2.贝叶斯公式3.朴素贝叶斯常用的三个模型4.朴素贝叶斯实现垃圾邮件过滤的步骤5.垃圾邮件过滤实验:(一)、准备收集好的数据集,并下载到本地文件夹(二)、朴素贝叶斯分类器训练函数(三)、朴素贝叶斯分类器训分类函数(四)、测试朴素贝叶斯分类器,使用朴素贝叶斯进行交叉验证(五)测试结果截图5.总结1.什么是朴素贝叶斯 NaïveBayes算法,又叫朴素贝叶斯算法。 朴素:特征条件独立; 贝叶斯:基于贝叶斯定理。属于监督学习的生成模型,实现简单,没有迭代,并有坚实的数学理论(即.原创 2021-11-14 12:16:21 · 14284 阅读 · 9 评论 -
【机器学习】通过ID3,C4.5,CART算法构建决策树
决策树(一)、决策树的简介(二)、构造决策树的三种构造方法1.基于信息增益生成决策树(ID3算法)2.基于信息增益率生成决策树(C4.5算法)3.基于基尼指数生成决策树(CART算法)总结(一)、决策树的简介决策树(decision tree)是一种基本的分类与回归方法。决策树模型呈树形结构,在分类问题中,表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合,也可以认为是定义在特征空间与类空间上的条件概率分布。其主要优点是模型具有可读性,分类速度快。学习时,利用训练数据,根据损失函数最原创 2021-10-27 22:25:15 · 1837 阅读 · 3 评论 -
【机器学习实战】KNN算法的两个经典例子(电影类型判断,约会网站的改进)
KNN算法的两个常用实际例子一、使用K-邻近算法来对电影的类型进行判断1.实验思路:2.代码实现:3.运行截图:4.完整代码展示:二、在约会网站上使用KNN算法1.实验思路及代码实现:(一)准备数据:从文本文件中解析数据(二)分析数据:使用Matplotlib创建散点图(三)准备数据:归一化数值(四)测试算法:作为完整程序验证分类器(五)使用算法:构建完整可用系统一、使用K-邻近算法来对电影的类型进行判断1.实验思路:通过电影场景里面的打斗镜头次数与接吻镜头次数的比较然后根据KNN算法来进行判断该电影原创 2021-10-10 19:02:48 · 3533 阅读 · 0 评论 -
python【机器学习实战】K-邻近算法(KNN)
什么是K-邻近算法?K-邻近算法(k-NearestNeighbor)简称KNN,是分类算法中的一种。KNN通过计算新数据与历史样本数据中不同类别数据点间的距离对新数据进行分类。简单来说就是通过与新数据点最邻近的K个数据点来对新数据进行分类和预测。K-邻近分类算法是数据挖掘(classification)技术中最简单的算法之一,其指导思想是”近朱者赤,近墨者黑“,即由你的邻居来推断出你的类别。k-邻近算法工作原理存在一个样本数据集合,也称作训练样本集,并且样本集合每个数据都存在标签,即我们知道样本集中原创 2021-10-03 18:37:19 · 578 阅读 · 0 评论