![](https://img-blog.csdnimg.cn/20190927151043371.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
日常算法
文章平均质量分 93
主要包括机器学习和深度学习的算法分析
那年夏天那缕光
这个作者很懒,什么都没留下…
展开
-
近邻算法
近邻算法1.K近邻算法简介1.1 问题 分类或者回归问题1.2 定义 如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别。1.3 距离 欧式距离1.4 分类流程 目标:预测未知样本所属的分类计算未知样本到每一个训练样本的距离将训练样本根据距离大小升序排列取出距离最近的 K 个训练样本进行多数表决,统计 K 个样本中哪个类别的样本个数最多将未知的样本归属到出现次数最多的类别1.5 回归案例 目标:预测未原创 2021-04-22 21:07:01 · 374 阅读 · 0 评论 -
线性回归
线性回归1.交叉验证和网格搜索1.1 交叉验证将训练集划分为 K 份,其中一份做测试集,其他各份做测试集提高模型评估的准确性1.2 网络搜索使用不同的超参数对模型进行评估,返回评估最好的模型1.3 两者结合通过对不同的模型,分别进行K折进行交叉验证,得出多个模型对应的评分,从而确定最优模型1.4 APIsklearn.model_selection.GridSearchCV(estimator, param_grid=None,cv=None)estimator原创 2021-04-24 21:47:16 · 657 阅读 · 0 评论 -
决策树算法
决策树算法决策树定义是一种树形结构,本质是一颗由多个判断节点组成的树其中每个内部节点表示一个属性上的判断,每个分支代表一个判断结果的输出,最后每个叶节点代表一种分类结果。熵定义系统越有序,熵值越低;系统越混乱或者分散,熵值越高。信息熵是度量样本集合纯度最常用的一种指标。公式其中:Ent(D) 的值越小,则 D 的纯度越高.条件熵给定特征a条件下D的信息条件熵公式信息增益Gain(D,a),定义为**集合D的信息熵Ent(D)与给定特征a条件下D的信息条件熵Ent(原创 2021-06-16 15:27:40 · 424 阅读 · 0 评论