自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(8)
  • 收藏
  • 关注

原创 机器学习:主成分分析 PCA

它的目标是是用方差(Variance)来衡量数据的差异性,并将差异性较大的高维数据投影到低维空间中进行表示。无监督学习(Unsupervised Learning)是和监督学习相对的另一种主流机器学习的方法,无监督学习不依赖任何标签值,通过对数据内在特征的挖掘,找到样本间的关系,比如聚类。PCA是一种使用最广泛的数据降维算法,主要思想是将n维特征映射到k维上,这k维是全新的正交特征也被称为主成分,是在原有n维特征的基础上重新构造出来的k维特征。各主成分之间正交,可消除原始数据成分间的相互影响的因素。

2024-01-01 21:21:35 1042

原创 机器学习:支持向量机

解决高维特征的分类回归问题很有效,在特征维度大于样本数时依然有很好的效果。使用核函数可以灵活的来解决各种非线性的分类回归问题。样本量不是海量数据的时候,分类准确率高,泛化能力强。缺点对参数调节和和函数的选择敏感。特征维度远大于样本数时,SVM表现一般。对偶问题往往更易求解。寻找约束存在时的最优点的时候,约束的存在虽然减小了需要搜寻的范围,但是却使问题变得更加复杂。为了使问题变得易于处理,把目标函数和约束全部融入一个新的函数,即拉格朗日函数,再通过这个函数来寻找最优点。

2023-12-18 21:15:57 964

原创 机器学习:Logistic回归

是在线性回归的基础上加了一个 Sigmoid 函数(非线形)映射,使得逻辑回归称为了一个优秀的分类算法,解决的是分类问题,不仅预测出类别,还可得到近似概率预测,可直接应用现有数值优化算法(如牛顿法)求取最优解,具有快速、高效的特点。其优点是计算代价不高,易于理解与实现,但是容易欠拟合,分类精度可能不高。适用数据类型:数值型和标称型数据。Logistic回归的算法编程1.收集样本数据,并转化成我们需要的格式。2.建立sigmod函数与最优化函数模型。

2023-12-04 20:49:43 887

原创 机器学习:朴素贝叶斯算法

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集,首先基于特征条件独立假设学习输入输出的联合概率分布;然后基于此模型,对给定的输入x,利用贝叶斯定理求出后验概率最大的输出y。两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型(Naive Bayesian Model,NBM)。决策树模型相比,朴素贝叶斯分类器(Naive Bayes Classifier 或 NBC)发源于古典数学理论,有着坚实的数学基础,以及稳定的分类效率。

2023-11-20 19:25:33 66 1

原创 机器学习:决策树

分类决策树模型是一种描述对实例进行分类的树形结构,在分类、预测、规则提取等领域有着广泛应用。它代表的是对象属性与对象值之间的一种映射关系。

2023-11-06 17:51:58 188

原创 机器学习:PR曲线和ROC曲线

ROC曲线和PR曲线是机器学习中两个常见的评估指标,在评价一个检测模型时通常需要绘制出其 ROC 曲线或 PR 曲线。

2023-10-22 10:05:10 629

原创 机器学习 KNN近邻算法

什么是K近邻算法?K近邻(K-nearst neighbors,KNN),是一种基本的分类与回归方法,简述说明就是给定一些训练数据集,对新的输入实例,在给定的训练数据集中找到与输入实例最相邻近的K个实例,若这K个实例的多数属于某个类,就把该输入实例分类到这个类中。kNN是一种基本的分类算法,在机器学习分类算法中占有相当大的地位,同时也是一种较于简单的数据分类统计技术方法。KNN是通过测量不同特征值之间的距离进行分类。一般先进行对数据的准备,列如收集、清洗和预处理数据。

2023-10-09 21:40:40 55 1

原创 机器学习安装

进行机器学习的环境配置,详细指南。简单了解如何安装和配置VSCode及所需的软件和工具,以及如何进行VSCode设置和环境配置。创建交互式代码(ipynb),对应Jupyter功能。(系统中可能安装了多个Python版本,此时可。而后按照自己所需的需求进行配置,便可完成安装。通过单击底部状态栏左侧,选择对应解释器)2. 选择合适的Python解释器。在1右侧对应的框内就可以输入程序了。Jupyter: 交互式运行程序。Pylance: 高效代码提示。1. 安装Python扩展。挑选适合自己的版本下载。

2023-09-25 22:00:07 58 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

提示
确定要删除当前文章?
取消 删除