![](https://i-blog.csdnimg.cn/direct/1c3e40266905439c924dd79169d0e558.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
《机器学习》 人工智能篇
文章平均质量分 94
带你走进AI领域
菜就多练_0828
人生而自由,却无往不在枷锁中。
展开
-
《机器学习》一元、多元线性回归的实现 No.4
假设事件H0是真的,然后判别小概率事件是否发生,如果发生,就拒绝H0事件,接受H1事件,如果没有发生,就接收H0事件,即小概率事件不发生是极大概率事件,所以上述 假设合理,但是如果小概率事件发生了,此时拒绝了H0就相当于拒绝了真实情况,那么就犯了第一类错误,即拒真,拒真概率就是我们定的α,即显著性水平,一般为0.05,在上述一元线性回归模型中,使用R方来判断数据与模型的拟合程度,那么在多元的线性回归中,就不能使用R方来判断了,需要使用调整R方来判断,如果是多元的,则返回多个β的值,二维数组类型返回。原创 2024-08-18 19:35:50 · 677 阅读 · 0 评论 -
《机器学习》 线性回归 一元、多元 推导 No.3
线性回归是一种用于预测连续数值的机器学习算法。它基于输入特征与目标变量之间的线性关系建立了一个线性模型。线性回归的目标是找到最佳拟合直线,以最小化预测值与实际值之间的误差。这个线性模型可以用来进行预测和推断。线性回归的模型可以表示为y = w0 + w1x1 + w2x2 + ... + wn*xn,其中w0, w1, w2, ..., wn是要学习的模型参数,代表了每个特征对应的权重。即类似于在一个平面中分布了很多的数据点,现在需要去找一条线来拟合这些数据点,拟合即贴合这些数据。使用多个自变量来。原创 2024-08-18 15:57:34 · 823 阅读 · 0 评论 -
《机器学习》KNN算法搭配OpenCV训练模型、识别图片 No.2
KNN算法搭配OpenCV可以用于各种图像处理和计算机视觉任务,通过训练模型和预测图像,可以实现对图像的分类、识别、检测和分割等操作。这种组合可以应用于许多领域,包括人脸识别、目标检测、图像处理、医学图像分析等。原创 2024-08-16 22:18:54 · 1387 阅读 · 0 评论 -
《机器学习》 KNN算法、数据可视化 No.1
机器学习是一种人工智能(AI)的分支,旨在让计算机通过数据自动学习和改进。机器学习算法被设计用于从数据中提取模式和规律,然后利用这些模式和规律来做出预测或做出决策,而无需明确的程序指令。机器学习的基本原理是利用大量的输入数据进行训练,然后使用这些数据训练出的模型来进行预测和决策。训练过程一般包括以下步骤:数据收集和准备、选择合适的模型、训练模型、评估和优化模型。K近邻算法(K-Nearest Neighbors,简称KNN)是一种常用的监督学习算法,用于解决分类和回归问题。原创 2024-08-15 22:44:05 · 1507 阅读 · 1 评论