- 博客(6)
- 收藏
- 关注
RSS订阅原创 基于PCA的人脸识别系统实现
比如：一开始数据集是N维的，在进行了协方差矩阵的特征值计算后，得到了N个特征值和与这些特征值相对应的特征向量。一个协方差矩阵有着不同的特征值与特征向量，最高特征值的对应的特征向量就是这个数据集的主成分。通常来说，一旦协方差矩阵的特征值和特征向量被计算出来了之后，就是按照特征值的大小从高到低依次排列。特征值的大小确定了主成分的重要性。一个矩阵由一个变换到另一个矩阵，Aα=λα，其中α称为矩阵A的一个特征向量，λ称为矩阵A的一个特征值。特征向量确定了矩阵变换的方向，特征值确定了矩阵变换的比例。
2026-01-21 12:55:33
224
原创 基于朴素贝叶斯算法的分类器实现
P(X)是证据（特征X的出现概率，对所有类别相同，分类时可忽略）(1)“特征独立” 假设通常不成立，可能影响精度；P(X|C)是似然（类别C下特征X的出现概率）；好瓜(是)：共8个 坏瓜(否)：共9个。的分类算法，核心是利用概率推理实现分类，是机器学习中经典的 “生成式模型” 之一。好瓜的后验概率远大于坏瓜，因此测 1 是好瓜。(2)对特征的分布假设（如连续特征的正态分布）依赖较强。其中：P(C)表示先验概率（类别C的出现概率）；(2)小样本数据有较好的鲁棒性（结合平滑技术）；
2026-01-21 12:45:24
445
原创 SVM支持向量机原理及python实现
核函数的核心作用是避免直接进行高维映射的复杂计算，通过计算低维空间中样本的核函数值，等价于计算高维空间中的内积。SVM的核心目标是在特征空间中找到一个“最优分离超平面”，使得该超平面能将不同类别的数据点正确分离，且两类数据点到超平面的最小距离（即间隔）最大。C=100时，准确率为100%（所有样本分类正确），决策边界更贴近异常负样本，模型对训练数据拟合程度更高，但可能过拟合。C=1时，准确率约为98.04%（50个样本分类正确，1个异常负样本被错误分类），决策边界相对平缓，泛化能力更强。
2026-01-20 14:19:26
950
原创 决策树的预剪枝与后剪枝实现
分支的悲观误差：原分支误差 = 1（1 条样本预测错误），剪枝后该节点误差 = 2（假设合并后 2 条错误），但原分支包含 2 个叶节点，剪枝后仅 1 个，惩罚项调整后剪枝误差更低；：包含 3 层节点（根节点 “有自己的房子”→子节点 “有工作”→叶节点），分支完整，保留了 “有自己的房子 = 0” 时进一步用 “有工作” 分裂的逻辑。1.有自己的房子（信息增益最高≈0.32），作为根节点分裂特征，分为 “有房（6 条，全为是）” 和 “无房（10 条，3 是 7 否）”。）→ 叶节点（是 / 否）；
2026-01-20 00:00:19
925
原创 基于ID3算法的决策树构建
首先计算整个数据集的信息熵。从训练集数据中，可以统计：样本类别为“否”的有9个，“是”的有7个，总样本数为16。表示类别为 i 类的数据在数据集中出现的概率，由于概率肯定是 [0,1] 之间的一个数，那么取对数后结果值必然为负数，所以加一个负号来描述。1.ID3 算法通过信息增益有效选择分裂特征，构建的决策树具有良好的可解释性，适用于需要明确决策逻辑的场景（如贷款审批、风险评估等）。：从根节点开始，对数据特征进行测试，根据测试结果将数据划分到不同的子节点，递归地进行这一过程，直到达到叶节点（最终决策）。
2026-01-19 12:58:02
814
原创 约会网站推荐系统中KNN算法的实现与模型评估
分析结果显示，模型的平均预测置信度较高，且正确预测的置信度明显高于错误预测，这说明模型对其正确预测有较高的把握。分析结果显示，模型的平均预测置信度较高，且正确预测的置信度明显高于错误预测，这说明模型对其正确预测有较高的把握。这个KNN约会推荐系统不仅具有学术价值，更有实际应用意义，为个性化推荐系统的开发提供了完整的技术参考。所有类别的AUC值都接近1，说明我们的KNN分类器在各个类别上都有出色的区分能力。我们的目标是构建一个KNN分类器，根据这三个特征预测海伦对新约会对象的喜欢程度。
2026-01-19 11:32:10
590
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