- 博客(8)
- 收藏
- 关注
RSS订阅原创 深度学习--主成分分析
主成分分析（Principal Component Analysis，PCA）是一种常用的降维技术，用于在保留数据主要信息的同时减少数据的维度。通过将原始特征转化为一组互相不相关的主成分，PCA可以帮助我们更好地理解数据的结构和模式。
2024-01-01 20:45:00
398
1
原创 机器学习——支持向量机
文章首先介绍了SVM的基本原理，包括最大间隔分类和支持向量的概念。核心思想是通过构建最大间隔分类器，找到一个超平面，使得不同类别的样本分隔开来，并以支持向量为关键支持点。文章接着讨论了线性可分和线性不可分问题，强调了SVM在处理线性不可分问题时引入核函数的重要性。常见的核函数包括线性核、多项式核和高斯核，它们允许SVM适用于各种复杂的数据结构。在优缺点方面，SVM的优势包括有效处理高维空间、最大化间隔、非线性映射、鲁棒性和全局最优解。
2023-12-18 20:30:00
367
1
原创 机器学习——Logistic回归
线性模型是机器学习中常用的一类模型，其一般形式为：其中，x=(x1, x2, ..., xd) 是由d维属性描述的样本，w=(w1, w2, ..., wd) 是待求解的系数，b 是截距。给定数据集 D={(x1, y1), (x2, y2), ..., (xm, ym)}，其中 xi=(xi1, xi2, ..., xid)，yi∈R，线性回归的目标是学习一个线性模型，使得 f(xi)≈yi。
2023-12-04 20:30:00
366
原创 朴素贝叶斯算法
在深入了解朴素贝叶斯算法之前，让我们先了解一下贝叶斯定理。贝叶斯定理是基于条件概率的一种推理方法，用于计算在给定先验信息的情况下的后验概率。贝叶斯定理公式如下：P(A∣B) 是在给定B发生的情况下A发生的概率，称为后验概率。P(B∣A) 是在A发生的情况下B发生的概率，称为似然。P(A) 是A发生的先验概率。P(B) 是B发生的概率。
2023-11-20 20:30:00
22
1
原创 决策树（Decision Tree)
在机器学习领域，决策树是一种常用的分类和回归算法。它模拟人类决策过程，通过一系列分支节点和决策规则来预测目标变量。本博客将深入探讨决策树算法，从基本概念到实际示例代码，帮助读者更好地理解和应用这一强大的工具。
2023-11-06 21:00:00
30
原创 PR曲线和ROC曲线
在二分类问题中，模型的任务是根据输入数据点将其分为正例或负例，以便进行分类、识别或预测。通常，正例和负例之间的比例可以不平衡，因此需要使用适当的性能指标来评估模型的性能，如精确度、召回率、PR曲线和ROC曲线。这些指标和工具有助于量化模型在不同类别上的性能表现。在机器学习和统计学中，二分类问题是一种常见的问题，也被称为二元分类或双分类问题。它是一种监督学习任务，其中算法的任务是将输入数据点分为两个互斥的类别，通常被称为正例（Positive）和负例（Negative）。
2023-10-23 15:47:06
26
1
原创 vscode与anaconda安装
下载：官网链接https://code.visualstudio.com/Download选择合适的所对应的vscode进行下载即可。
2023-10-23 10:22:43
24
1
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