- 博客(10)
- 收藏
- 关注
RSS订阅原创 机器学习6-支持向量机
SVM（支持向量机）是一种常见的监督学习算法，用于分类和回归问题。考虑一个二分类问题：假设输入空间与特征空间为两个不同的空间，这两个空间的元素一一对应，并将输入空间的输入映射为特征空间中的特征向量，支持向量机的学习是在特征空间进行的。在分类问题中，SVM通过在特征空间中找到一个最优的超平面来将不同类别的数据分隔开。在回归问题中，SVM通过寻找一个最优的超平面来拟合数据点，使得尽可能多的数据点位于超平面的边界上。
2024-06-11 14:30:27
533
原创 机器学习5 逻辑回归
1.基本假设：逻辑回归的基本假设是因变量（输出变量）与自变量（输入变量）之间存在一个线性关系。2.线性组合：通过对输入特征进行线性组合，得到一个分数（score），表示自变量对因变量的影响。线性组合可以表示为：其中，w0, w1, w2, ..., wn 是权重（或系数），x1, x2, ..., xn 是输入特征。3.逻辑函数（Sigmoid函数）：线性组合得到的分数需要经过逻辑函数（也称为Sigmoid函数）转换，将其映射到(0, 1)的概率范围内。
2024-05-27 22:23:50
444
原创 机器学习4 贝叶斯分类器
朴素贝叶斯是一种基于贝叶斯定理的分类算法，其核心思想是通过先验概率和样本数据中的条件概率来计算后验概率，进而进行分类预测。算法的"朴素"之处在于假设特征之间是相互独立的，这使得计算变得简单。在分类问题中，朴素贝叶斯通过利用已知信息进行概率推断，选择具有最高后验概率的类别作为预测结果。尽管这是一个较强的假设，但朴素贝叶斯在处理文本分类等问题时表现良好，是一种简单而有效的分类方法。
2024-05-14 16:50:07
738
1
原创 机器学习3-决策树
决策树是一种基本的机器学习算法，其核心思想是通过对数据集进行递归的二分来构建一棵树形结构，每个节点代表一个属性测试，每个分支代表一个测试结果，每个叶子节点代表一个类别或者值。决策树的模型结构直观易懂，可以被解释为一系列简单的规则，因此对于决策推理过程的可解释性较强。决策树的关键在于如何选择每个节点的分裂特征，常用的特征选择指标包括信息增益、信息增益比、基尼系数等。决策树容易出现过拟合的问题，为了提高泛化能力，需要对生成的决策树进行剪枝操作，减少决策树的复杂度。
2024-04-30 11:41:13
354
1
原创 机器学习KNN2-模型评估
机器学习模型评估是对模型性能进行量化和优化的过程。评估不仅涉及对模型在训练集上的性能考察，还包括在测试集上的表现评估。。此外，为了充分了解模型的性能，还常常采用交叉验证等技术进行评估。
2024-04-16 13:47:44
434
原创 机器学习2-KNN
KNN（K-Nearest Neighbor）最邻近分类算法是数据挖掘分类（classification）技术中最简单的算法之一，其指导思想是”近朱者赤，近墨者黑“，即由你的邻居来推断出你的类别。
2024-04-02 13:16:36
727
1
原创 【机械臂】
步进电机是一种将电脉冲信号转化为转轴角位移的特殊电机，当驱动器接收到脉冲信号，它就驱动步进电机转动相应的角度。反应式步进电机也叫磁阻式步进电机，其中又分为单段式步进电机与多段式步进电机。反应式步进电机的定子与转子均由软磁材料制成，二者周边均匀分布有齿槽，当定子绕组激磁通电，齿槽间气隙磁场发生变化，进而产生转矩带动定子旋转。混合式步进电机将永磁式步进电机与反应式步进电机的优点相结合，即输出转矩大、精度高、运行稳定且断电后仍有定位转矩。选择合适的步进电机驱动，可以提高步进电机运行的稳定性与精度。
2023-10-30 22:05:20
274
原创 ROS话题服务动作
动作节点：节点可理解为功能或进程，一个机器人有多个功能，因此也就有了多个节点，因此，如果一个机器人的各个功能被分开，也就是一个个的节点，那ROS进行软件的复用就会方便的多。功能包是ROS中的基本单元，包含src、include等文件夹一个功能包里可以有多个节点，在节点中进行发布和订阅话题；一个节点就是 ROS 功能包中的一个可执行文件（.cpp、.py可执行源文件）,节点之间可以通过 ROS 客户端库(如roscpp 、 rospy )相互通信。
2023-07-03 16:59:57
117
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