- 博客(8)
- 收藏
- 关注
RSS订阅原创 主成分分析（PCA）
在许多领域的数据的分析和处理中，往往会有许多复杂的变量，变量与变量之间通常还存在着相关性，要从大量的变量中提取出能反映事物特征的信息是极其困难的，对单个的变量分析不全面，并且会损失信息，造成错误的结论。主成分分析（PCA）便是通过数学降维，找出最能决定数据特性的主元成分的数据分析方法，用较少的综合指标，揭示隐藏在多维复杂数据变量背后的简单结构，得到更为科学有效的数据信息。PCA 的实现背景可以追溯到19世纪的协方差矩阵理论。
2024-06-18 01:04:52
962
原创 机器学习——支持向量机（SVM）
支持向量机（SVM）是一种常见的机器学习方法，常用于分类（线性和非线性分类问题），回归问题。本文将详细介绍一下支持向量机算法本次实验中，我尝试实现了一个简单的支持向量机（SVM）模型。总的来说，本次实验使我更好地理解了支持向量机的基本原理和实现过程，实现能够对线性可分数据进行分类的SVM算法模型。
2024-06-11 11:57:42
730
原创 一文读懂“贝叶斯”
朴素贝叶斯(naive Bayes)算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。不同于其他分类器，朴素贝叶斯是一种基于概率理论的分类算法；总体来说，朴素贝叶斯原理和实现都比较简单，学习和预测效率较高，是一种经典而常用的分类算法。其中的朴素（naive）是指的对于数据集中的各个特征（feature)都有较强的独立性假设，并未将特征之间的相关性考虑其中。
2024-05-14 15:45:00
898
1
原创 决策树（Decision Tree）
决策树是一个预测模型，它代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表某个可能的属性值，而每个叶节点则对应从根节点到该叶节点所经历的路径所表示的对象的值。决策节点：通常用矩形框来表示机会节点：通常用圆圈来表示终结节点：通常用三角形来表示决策树是一树状结构，它的每一个叶节点对应着一个分类，非叶节点对应着在某个属性上的划分，根据样本在该属性上的不同取值将其划分成若干个子集。对于非纯的叶节点，多数类的标号给出到达这个节点的样本所属的类。
2024-04-29 20:15:23
808
原创 机器学习之分类模型评估
在机器学习模型搭建好之后，需要对模型进行评估，针对不同的算法模型有不同的评估方法，比如：分类算法、回归算法、聚类算法等，本文主要是针对分类算法的模型评估方法进行总结整理，便于自己对评估方法的进一步理解和随时查阅。
2024-04-16 08:56:48
2018
原创 KNN算法理论与Python实现
k 近邻法） 是一种基本分类与回归方法。是数据挖掘技术中原理最简单的算法之一，核心功能是解决有监督的分类问题。KNN能够快速高效地解决建立在特殊数据集上的预测分类问题，但其不产生模型，因此算法准确性并不具备强可推广性。KNN算法的思想非常简单：对于任意n维输入向量，分别对应于特征空间中的一个点，输出为该特征向量所对应的类别标签或预测值。一般而言，我们只选择样本数据集中前k个最相似的数据，这就是KNN算法中K的由来，通常k是不大于20的整数。最后，选择k个最相似数据中出现次数最多的类别，作为新数据的分类。
2024-04-02 15:27:54
1593
原创 vscode和anaconda安装
VScode 有两个不同的发布渠道：一个是我们经常使用的稳定版（Stable），每个月发布一个主版本；另外一个发布渠道叫做 Insiders，每周一到周五 UTC 时间早上6点从最新的代码发布一个版本，这也是 VS Code 团队在使用的版本，目标是可以第一时间用上自己新加的功能并及时发现问题。这里建议初学者安装稳定版本。
2024-03-10 21:38:05
366
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