- 博客(8)
- 收藏
- 关注
RSS订阅原创 机器学习——PCA（人脸识别）
通过本次基于PCA的人脸识别实验，我深入理解了主成分分析的核心原理及其在实际问题中的应用价值，以及PCA在图像领域的应用及其局限性，为后续学习更复杂模型奠定基础。
2025-06-10 19:42:31
911
原创 机器学习--SVM（支持向量机）垃圾邮件分类器
支持向量机(Support Vector Machine, SVM)是一种强大的监督学习算法，主要用于分类问题，也可用于回归任务。本实验成功实现了一个基于SVM的垃圾邮件分类器，可以总结出一些SVM的优缺点。
2025-06-02 21:03:44
1169
原创 机器学习一逻辑回归
逻辑回归（Logistic Regression）是机器学习中一种经典的分类算法，尽管名称中有“回归”，但它主要用于解决二分类问题（也可扩展至多分类）。1. 核心思想目的：预测一个样本属于某个类别的概率（介于0和1之间）。本质：通过线性回归结合一个非线性函数（如Sigmoid函数），将线性输出映射到概率。2. 关键组件Sigmoid函数决策边界当 σ(z)≥0.5 时预测为正类，否则为负类（阈值可调整）。3. 模型训练损失函数（交叉熵损失）：优化方法通常使用梯度下降。
2025-05-19 22:27:21
923
原创 机器学习—朴素贝叶斯算法
优点1. 计算效率高，训练速度快朴素贝叶斯只需要计算特征的条件概率和先验概率，不涉及复杂的迭代优化（如梯度下降），因此训练速度极快，适合高维数据和大规模数据集。2. 对小规模数据表现良好即使训练数据较少，也能基于概率做出合理预测，不会像深度学习模型那样容易过拟合。3. 对缺失数据不敏感如果某个特征在训练集中未出现，可以使用拉普拉斯平滑（Laplace Smoothing）避免零概率问题，仍然能进行预测。4. 适用于高维数据。
2025-05-05 11:22:53
756
原创 机器学习实战-决策树
信息增益直接衡量特征对分类不确定性的减少。偏向取值多的特征（如"信贷情况"有3个值，信息增益较高）。信息增益率通过除以分裂信息，惩罚取值多的特征。更公平评估特征重要性，尤其适合C4.5算法。选择最优特征信息增益选择"有自己的房子"。信息增益率同样选择"有自己的房子"。（对比发现“有自己的房子”在两种方法中结果都为最大。
2025-04-21 22:42:29
901
原创 【机器学习】ROC曲线和PR曲线
ROC曲线（Receiver Operating Characteristic Curve）和PR曲线（Precision-Recall Curve）是评估二分类模型性能的常用工具，尤其在样本分布不平衡时表现不同特点。1. ROC曲线（Receiver Operating Characteristic Curve）定义ROC曲线是一种用于评估二分类模型性能的图形化工具，它通过绘制**真正例率（TPR, True Positive Rate）和。
2025-04-07 21:09:57
1157
原创 基于K近邻算法的分类器的实现（海伦约会）
K-近邻算法（K-Nearest Neighbors, KNN）是一种基本的分类与回归方法，属于监督学习范畴。它的工作原理是在特征空间中寻找与新样本距离最近的K个训练样本点，并根据这些邻近点的信息来预测新样本的类别。在分类任务中，通常采用多数表决规则，即选择K个最近邻中出现次数最多的类别标签作为预测结果；而在回归任务中，则可以使用平均法，即取K个最近邻的目标值的平均数作为预测结果。实验结果如图：由上图可知，当我们输入数据之后，即可知道该对象对海伦的吸引力。
2025-03-25 00:38:24
736
原创 VScode以及Anaconda的安装
它内置了对 JavaScript、TypeScript 和 Node.js 的支持，并通过丰富的扩展生态系统支持其他语言（如 C++、C#、Java、Python、PHP、Go）和运行时（如 .NET 和 Unity）。它不仅仅是一个 Python 解释器，更是一个包含了众多工具和库的综合平台，为数据科学家和开发者提供了一站式的解决方案。进入此界面之后，点击Download for Windows进行下载，下载完成后双击此文件出现以下界面。填写你的邮箱地址，之后邮箱里会发一个下载链接，点开后点击下载即可。
2025-03-09 01:21:52
611
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