- 博客(8)
- 收藏
- 关注
原创 主成分分析 PCA
PCA是一种常用的降维技术和数据压缩方法。它通过线性变换将原始数据投影到一个新的坐标系统中,使得在新的坐标系下数据的方差最大化。这样做的目的是保留尽可能多的原始数据信息,并找到原始数据中最重要的特征。主成分分析的主要思想是找到原始数据中的主要成分,即具有最大方差的方向。首先,将原始数据进行标准化处理,使每个特征的均值为0,方差为1。然后,计算数据的协方差矩阵,通过对协方差矩阵进行特征值分解,得到特征值和对应的特征向量。特征值表示数据在对应特征向量方向上的方差大小。
2024-01-01 14:17:02
921
原创 支持向量机
从统计的角度讲,由于正负样本可以看作从两个不同的分布随机抽样而得,若分类边界与两个分布的距离越大,抽样出的样本落在分类边界另一边的概率就会越小。具体地说,在最大间隔分类的情况下,原始问题是要找到一个超平面,使得所有训练样本都被正确地分类,并且该超平面与不同类别的样本之间的距离最大。然而,如果使用对偶问题,可以将原始问题转化为另一个等价的问题,其中变量的数量较少,从而更容易求解。最大间隔分类是一种基于支持向量机(SVM)的分类方法,它的目标是找到一个最大间隔的超平面,将不同类别的数据点分开。
2023-12-18 21:13:33
1030
1
原创 Logistic回归
Logistic回归是统计学习中的经典分类方法,属于对数线性模型,所以也被称为对数几率回归,是一种用于建立分类模型的统计方法。它是广义线性模型的一种,经常用于预测二分类问题。利用logistic回归进行分类的主要思想是:根据现有的数据对分类边界线建立回归公式,以此进行分类。Logistic回归作为一种常用的分类模型,具有以下优点和缺点:优点:1. 模型简单且易于解释:Logistic回归是一种线性模型,模型的系数可以用于解释不同特征对分类结果的影响程度。
2023-12-04 21:22:46
43
原创 朴素贝叶斯算法
朴素贝叶斯算法是一种基于贝叶斯定理和特征条件独立假设的分类算法。它是一种简单而有效的概率统计分类算法,常被用于文本分类、垃圾邮件过滤、情感分析等任务。朴素贝叶斯算法的核心思想是通过已知的特征和类别的关系,来预测未知样本的类别概率。它基于贝叶斯定理,通过计算后验概率来进行分类。
2023-11-20 14:59:36
58
1
原创 机器学习——决策树
决策树(Decision Tree),它是一种以树形数据结构来展示决策规则和分类结果的模型,作为一种归纳学习算法,其重点是将看似无序、杂乱的已知数据,通过某种技术手段将它们转化成可以预测未知数据的树状模型,每一条从根结点(对最终分类结果贡献最大的属性)到叶子结点(最终分类结果)的路径都代表一条决策的规则。通过本次实验,对决策树有了更深入的了解,决策树是一种非参数化监督学习方法,用于分类和回归。目标是创建一个模型,通过学习从数据功能推断出的简单决策规则来预测目标变量的值。%5Calpha。
2023-11-06 17:27:59
55
原创 ROC曲线和PR曲线
ROC曲线,即受试者工作特征曲线,主要用来评价某个指标对两类被试的效果,以及寻找最佳的指标临界值使得分类效果最好。召回率是指模型正确预测出的正样本占总正样本的比例,计算公式为:召回率 = TP / (TP + FN),其中FN表示假负例(模型预测为负样本的样本中实际为正样本的数量)。PR曲线通过改变分类模型的阈值,计算出一系列准确率和召回率的值,并以准确率为横坐标,召回率为纵坐标进行绘制。PR曲线越靠近左上角,表示模型性能越好。
2023-10-23 14:50:10
87
1
原创 KNN算法实践
k近邻法(k-nearest neighbor,k-NN)是一种基本的分类和回归方法,是监督学习方法里的一种常用方法。k近邻算法假设给定一个训练数据集,其中的实例类别已定。分类时,对新的实例,根据其k个最近邻的训练实例类别,通过多数表决等方式进行预测。
2023-10-09 17:19:46
57
1
原创 机器学习环境搭建
本次实验安装了vscode和anaconda并配置了相关环境,在安装过程中遇到的问题通过搜索相关博客解决,学会了下载镜像软件和配置环境变量。
2023-09-26 10:12:23
56
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