- 博客(8)
- 收藏
- 关注
RSS订阅原创 机器学习—PCA算法
整个PCA的求解过程涉及到矩阵的乘法、特征值分解等线性代数运算，通过这些运算，我们能够找到原始数据中最主要的方向，从而实现降维。PCA的本质是将原始特征通过线性变换，转换为新的基下的坐标，以保留最大的方差信息。
2024-01-01 18:36:09
1610
1
原创 机器学习——KNN算法
K近邻（K-Nearest Neighbors，简称KNN）算法是一种简单而有效的监督学习算法，常用于分类和回归问题。它基于一个简单的思想：如果一个样本在特征空间中的k个最近邻居中的大多数属于某个类别，那么该样本也属于这个类别。KNN算法在模式识别、图像处理、语音识别等领域取得了显著的成果。KNN算法简单而灵活，适用于多种领域，本实例展示了其在学生成绩预测中的应用。K值的选择直接影响模型性能，需要根据具体问题和数据规模进行调整。
2024-01-01 16:25:43
1095
原创 机器学习博客：支持向量机（SVM）
本实验旨在使用支持向量机（SVM）实现垃圾邮件分类，通过文本数据的二分类任务，演示SVM在自然语言处理领域的应用。
2023-12-18 21:59:34
102
1
原创 Logistic模型回归
通过本次实验，我们深入学习了Logistic回归算法的优化方法，主要包括梯度上升和随机梯度下降。以下是实验总结：1. 数据准备： 首先，我们从文本文件中加载了包含特征和标签的数据集，用于Logistic回归的训练。2. 梯度上升：我们实现了梯度上升算法，通过最大化对数似然函数来求解最佳的回归系数。梯度上升是一种批量梯度下降方法，每次迭代都使用全部的训练数据。3. 随机梯度下降：我们进一步实现了随机梯度下降算法，与梯度上升相比，随机梯度下降每次迭代随机选择一个样本进行更新，以减少计算量。
2023-12-04 17:07:03
70
原创 机器学习-朴素贝叶斯
1. 朴素贝叶斯简介朴素贝叶斯是一种基于贝叶斯定理的概率统计分类算法，具有简单、高效的特点。其核心思想是基于已知的先验概率和条件概率，通过贝叶斯公式计算后验概率，从而进行分类。2. 条件概率假设我们有一个学生群体，我们想要计算一个学生在考试中取得好成绩（A）的条件概率，假设我们已知该学生是一个诚实的学生（事件 B）。先验概率：P(A)：取得好成绩的先验概率，即在我们了解任何其他信息之前，一个学生取得好成绩的概率。
2023-11-20 21:57:59
74
1
原创 绘制ROC曲线和绘制PR曲线
ROC曲线（Receiver Operating Characteristic Curve）是在机器学习和统计学中用于评估分类器性能的重要工具。它以不同的阈值为基础，将分类器的真正率（True Positive Rate，TPR）与假正率（False Positive Rate，FPR）之间的关系可视化展示。在这篇博客中，我们将深入探讨如何计算和绘制ROC曲线，以及如何解释和评估曲线下的面积（AUC）。
2023-10-23 22:01:14
124
原创 实验1，vscode安装，创建虚拟环境
输入命令：conda env list，可以查看当前已经安装python环境。输入：activate pytorch1.7，激活环境。输入：conda deactivate，退出环境。下载安装后搜索“chinese”安装中文插件。安装：anaconda，网址“”进入Anaconda官网。1.安装vscode，网址。不用勾选直接finish。win+r，输入cmd，
2023-10-22 21:47:33
60
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