- 博客(19)
- 收藏
- 关注
RSS订阅原创 【机器学习】支持向量机基础认识与详细实战案例
本文将详细介绍Python中支持向量机的原理、参数详解、模块使用和实例。对于原理部分只会简单解释，网上有许多详细原理教程，可以自行搜索本文主要是实践操作本文介绍了SVM的原理、参数详解、Python模块的使用以及实例。SVM是一种常用的监督学习算法，可以用于分类和回归问题。通过调整参数，可以优化模型的准确率和泛化能力。在Python中，可以使用sklearn.svm和libsvm模块来实现SVM算法。上述有任何错误的地方欢迎指正希望大家多多支持，后续分享更多有趣的东西。
2023-05-08 21:39:06
1729
原创 【机器学习】集成算法:bagging策略包含详细案例
Bagging是一种基于集成学习的算法，是一种广泛使用的机器学习技术。Bagging的全称是Bootstrap Aggregating，其思想是通过将许多相互独立的学习器的结果进行结合，从而提高整体学习器的泛化能力。本篇博客将介绍Bagging算法的工作原理，优点和缺点，以及如何在Python中实现。
2023-04-19 19:49:47
4136
原创 【机器学习】集成算法与实战案例
简单介绍了集成算法，集成算法常见算法比较，以及集成算法的软投票和硬投票，下一节将会更加详细分别去介绍集成算法中的Bagging,Boosting,Stacking
2023-04-19 11:14:59
577
1
原创 【机器学习】决策树实战案例
上一节我们简单的介绍了决策树的基本原理与使用，现在我们将会详细的通过实战案例介绍决策树本文简单介绍了决策树在分类和回归中的案例，我们应当注意以下一些问题数据预处理：决策树对于缺失值的处理能力较强，但是对于异常值和噪声数据会影响模型的预测能力。因此，在训练模型前，需要进行数据清洗和预处理，去除异常值和噪声数据，以提高模型的准确性。特征选择：特征选择是构建决策树模型的重要步骤。在特征选择时，应该选择与目标变量相关性较高的特征，以提高模型的准确性。
2023-04-16 15:37:19
1785
2
原创 【机器学习】决策树基础认识与简单实践
决策树可以用于多种应用场景，包括分类、回归、特征选择等。在分类问题中，决策树可以用于识别垃圾邮件、疾病诊断、客户分类等。在回归问题中，决策树可以用于预测房价、股票走势等。在特征选择中，决策树可以用于选择最重要的特征，提高模型的准确率。下一节将会详细多方面的进行决策树案例实践与介绍希望多多支持，后续继续分享有趣的东西。
2023-04-16 12:46:47
206
原创 【数据分析】个人购物记录采集和可视化分析
最近在文档看到以前帮别人写的淘宝购物记录爬取和分析，也想简单分析一下自己的，由于本人经常用拼夕夕，所以就爬一下自己的购物记录并简单分析一下由于返回的数据只有价格，日期，名称这几个标签，没有过于分析，大家可以自行决定。有时间再分享一下淘宝的购物记录可视化分析希望大家多多支持，后续分享更多有趣的东西。
2023-04-12 12:10:40
342
2
原创 【机器学习】聚类算法-DBSCAN基础认识与实战案例
在机器学习中，聚类是一种常见的无监督学习方法，它的目标是将数据集中的数据点分成不同的组，每个组之间具有相似的特征。聚类可以用于各种应用程序，如图像分割，社交媒体分析，医疗数据分析等。DBSCAN是一种聚类算法，它被广泛应用于各种领域。不需要事先设定簇的个数。能够识别任意形状的簇。能够识别噪声点。对参数的设定比较敏感，但是通常只需要调整两个参数：半径ϵ\epsilonϵ和最小样本数MinPtsMinPtsMinPts。
2023-04-11 21:26:46
3238
2
原创 【机器学习】聚类_K-means算法基础认识与手机分类,图像切割,半监督学习实战
本文将对kmeans介绍，算法理解，基础操作，手机分类模型，图像切割，半监督算法等实战案例去学习kmeans算法K均值聚类（k-means clustering）是一种常见的无监督机器学习算法，可用于将数据集划分为多个不同的聚类。该算法的基本思想是：将数据集分成k个簇（cluster），每个簇的中心点是簇中所有点的均值。通过迭代的方式不断优化每个簇的中心点，使得同一簇内的点距离中心点最小，不同簇之间的距离最大。
2023-04-10 23:54:29
1380
1
原创 【机器学习】逻辑回归-基础认识与鸢尾花分类实操案例
本文将会对逻辑回归的基础理解，数学原理，简单算法实现，鸢尾花分类问题实操案例去学习我们的逻辑回归。逻辑回归是一种二分类算法，主要用于将输入变量映射到离散的输出变量，通常用于分类问题。在本文呢中我们学习了逻辑回归的数学公式和简单算法实现，并使用了Python中的sklearn库对鸢尾花数据集进行了逻辑回归分类的实战案例。以及逻辑回归对于多分类问题的处理方法，并介绍了如何在sklearn库中选择和使用不同的多分类处理方法，包括如何可视化逻辑回归分类结果。
2023-04-08 15:42:22
1462
1
原创 【机器学习】基于线性回归的模型优化和正则化
在机器学习中，优化模型参数是非常关键的一步。针对不同的模型和数据集，我们需要选择合适的优化方法以获得最优的模型参数。同时，正则化方法可以有效减少模型复杂程度，避免过拟合的情况，提高模型的泛化能力。在机器学习中，无论是线性模型还是非线性模型，我们需要选择合适的优化方法以获得最优的模型参数。常用的梯度下降法是优化模型参数的常用方式之一，其中小批量梯度下降法是一种高效的优化方法，每次选择小批量的数据进行计算，可以减少计算量，提高模型的训练速度。
2023-04-06 17:42:24
1401
原创 【机器学习】模型评估-手写数字集模型训练与评估
前面我们介绍了模型评估的常用方法和指标，现在我们将训练手写数字集，通过不同的方法对我们模型评估以及更加的去增加我们对模型评估方法和指标的理解本节我们详细的解释了模型评估的几种方法以及获取最优阈值,帮助我们更好的对模型进行评估与优化。希望大家多多支持，我会更加努力学习分享更过有趣的东西。
2023-04-04 23:00:29
951
8
原创 【机器学习】线性回归1-基本介绍
线性回归算法是一种基本的机器学习模型，可以用来预测未来的结果或者进行分类。在实际应用中，我们可以使用最小二乘法或梯度下降算法来求解模型参数，得到最优的预测结果。同时，我们还需要根据具体的数据集和问题来选择合适的模型和算法，以得到更好的预测效果。下一节我们将自己写一个线性回归模型,观察单一特征和多个特征对下降损失梯度的变化的影响希望大家多多支持，一起努力学习，后续慢慢分享更多新奇有趣的东西。
2023-04-02 15:19:22
585
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