慕课学习笔记——2.2机器学习（监督学习_分类）

最新推荐文章于 2024-07-25 12:32:58 发布
最新推荐文章于 2024-07-25 12:32:58 发布
阅读量309 收藏 1
点赞数
分类专栏： 学习帖 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44081243/article/details/88358371
版权

1.分类——三个基本分类模型

KNN + Nbays + 决策树
1.1 k近邻分类器

在这里插入图片描述
距离点Xk最近的一些点大多在w1数据集中，因此将它划分到w1中。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
思考：为什么邻居是噪声点会导致过拟合？
因为训练集是特定的，如果是噪声点是没有推广性的，故产生过拟合。

1.2 决策树

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
fit函数貌似是专门用于调用算法训练的函数
在这里插入图片描述
对于各种算法的更进一步具体学习，可参照官网API

1.3 朴素贝叶斯

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

weixin_44081243
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
慕课学习笔记——1机器学习（无监督学习）
weixin_44081243的博客
02-27 381
无监督学习 1. 导学部分 **tips：**使用聚类要计算距离 tips：使用马氏距离，中心到红点的距离大于中心到绿点的距离（这里不太明白） **tips：**使用了三种算法：dbscan函数（最快）；近邻传播算法（最慢）；谱聚类算法 常用聚类算法 降维 用于提高运算性能 常用降维算法 **思考：**上述问题哪些是聚类，哪些是降维问题？ 降维：4 聚类：123 2....
视频学习笔记——李宏毅机器学习——P1，2
09-12
总结来说，机器学习是一个涵盖广泛领域的研究主题，包括深度学习、监督学习、无监督学习和强化学习等多种方法。这些方法都在不断进步，推动着人工智能的发展，并在众多实际应用中展现出强大的潜力。通过持续的学习和...
深度学习基础之特征工程概述——慕课学习笔记
ArrogantT的博客
07-16 514
2.1特征工程 引自知乎:“数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。” 自动分词就是将用自然语言书写的文章、句段经计算机处理后，以词为单位给以输出，为后续加工处理提供先决条件。 词根提取(stemming) :是抽取词的词干或词根形式(不一-定能够表达完整语义)。 词形还原(lemmatization) :是把词汇还原为一般形式(能表达完整语义)。如将“drove"处理为“drive"。 词性标注( part-of-speech tagging) :是指为分词结果中的每个单词标
【周志华机器学习】一、机器学习基本概念
热门推荐
weixin_42301220的博客
04-03 1万+
文章目录参考资料1. 概述1.1 机器学习定义1.2 基本术语2. 模型的评估与选择2.1 误差与过/欠拟合2.2 评估方法2.3 训练集与测试集的划分方法2.3.1 留出法2.3.2 交叉验证法2.3.3 自助法2.4 调参2.5 性能度量2.5.1 最常见的性能度量2.5.2 查准率/查全率/F12.5.3 ROC与AUC2.5.4 代价敏感错误率与代价曲线 参考资料 Machine-learning-learning-notes LeeML-Notes 本博客为作者根据周志华的西瓜书和参考资料
【机器学习】深入机器学习的梯度优化
fengdu78的博客
06-02 622
简介 机器学习在选定模型、目标函数之后，核心便是如何优化（目标）损失函数。而常见的优化算法中，有梯度下降、遗传算法、模拟退火等算法，其中用梯度类的优化算法通常效率更高，而使用也更为广泛。接下来，我们从梯度下降（Gradient descent）、梯度提升（Gradient Boosting）算法中了解下“梯度”优化背后的原理。 一、梯度 我们先引出梯度的定义：梯度是一个矢...
MOOC学习笔记——深度学习概述
weixin_43913556的博客
02-15 680
文章目录数据集及其拆分1. 类别标签的ground truth与gold standard2. 数据集与有监督学习3. 训练集、测试集的拆分3.1 留出法3.2 K折交叉验证（常用）用网格搜索来调超参数网格搜索与K折交叉验证结合调整超参数分类及其性能度量分类问题2. 分类性能度量2.1 准确率（accuracy）2.2 精确率(precision)和召回率(recall)2.3 P‐R曲线 +AU...
【机器学习】某工19级智科专业机器学习期末复习资料
weixin_45721154的博客
01-09 942
机器学习笔记，期末考试复习资料
【深度学习】绝了！分割mask生成动漫人脸！爆肝数周，从零搭建
fengdu78的博客
03-03 1223
很多小伙伴期待已久的实战项目来了，今天分享一个国外论坛medium大佬的文章，从 0 做项目的整个过程，具有很大的参考价值，大家感兴趣的可以试着参考这个思路去实现，比起直接跑别人现有的完整...
计算机组成原理学习笔记
钢铁大侠的博客
03-21 1718
计算机课组成原理学习笔记
C语言编程笔记——MOOC翁恺
weixin_44390790的博客
04-17 1017
第一章：程序设计与C语言 1.编程：是告诉计算机去做什么，用编程语言写出来如何去解决问题，而不是去用编程语言和计算机交流，而是描述要求它如何做事情的过程和方法 2.解释和编译的区别： 解释：是用一种软件去帮你执行你的高级语言，例如python，与编译不同，它有执行的动作，帮你去执行了 编译：是将你写的高级语言程序用一种编译器，变成计算机能理解的二进制代码——机器语言，而没有去执行这串二进制代码，需要进一步的去执行 （注：C语言需要被编译才能运行，所以需要编辑器、编译器或者IDE集成开发环境）
机器学习笔记2_机器学习的分类
01-07
机器学习分类 按机器学习本身分类，而可分为： 监督学习 非监督学习 半监督学习 加强学习 监督学习 给机器的训练数据拥有“标记”或者说是“答案”。 主要是回归和分类问题，本课程以下算法为监督学习： K临近 线性...
机器学习笔记1_机器学习基础
01-06
# 机器学习笔记1_机器学习基础 人工智能，机器学习，深度学习的关系 关于数据 牢记:up_arrow:图 数据特征例子（帮助理解）： 机器学习的基本任务 机器学习（或者说其中的监督学习）的基本任务可以分为: 分类任务 ...
MachineLearning_机器学习笔记_
09-30
《机器学习笔记——深入探索与理解》 在当今数字化时代，机器学习作为人工智能的一个关键分支，已经在各个领域展现出强大的潜力和应用价值。本笔记旨在帮助读者深入理解和掌握机器学习的基本概念、理论框架以及实践...
机器学习课笔记_吴恩达机器学习笔记_
10-01
吴恩达机器学习视频配套笔记，大家可以在B站上搜索视频进行学习
从零开始学习机器学习，掌握AI未来的关键！
qq_42538588的博客
07-25 1750
欢迎来到"人工智能-机器学习基础"！在本文中，我们将一起探索人工智能的奇妙世界。首先，让我们来介绍一下人工智能的概述。人工智能（Artificial Intelligence）是一门研究如何使机器具备智能能力的科学与技术。简单来说，它是能够像人类一样思考、学习和决策的机器。人工智能可以追溯到上个世纪50年代，当时科学家们就开始尝试模仿和理解人类的思维过程。然而，由于当时计算机技术的限制，人工智能的发展并不顺利。直到最近几年，随着计算能力的迅猛增长和大数据的普及，人工智能取得了巨大突破。
基于JAVA的厨艺交流平台（Vue.js+SpringBoot+MySQL）
08-01
基于Vue.js和SpringBoot的厨艺交流平台是一个功能丰富的在线社区，旨在为烹饪爱好者提供一个分享和学习烹饪技巧的平台。该平台分为管理后台和用户网页端，支持管理员和普通用户两种角色。管理后台提供对菜谱分类、菜谱信息、食材信息、商品信息和美食日志模块的全面管理功能，包括添加、编辑、删除和查询等操作。用户网页端则为用户提供了一个友好的界面，可以浏览和搜索各种菜谱，查看食材和商品信息，发表自己的美食日志，与其他用户互动交流。整个平台采用现代化的前端技术和后端框架，保证了良好的用户体验和高效的数据处理能力。 演示录屏：https://www.bilibili.com/video/BV1uz42197zu 配套教程：https://www.bilibili.com/video/BV1pW4y1P7GR
层次分析法数学建模论文.doc
最新发布
08-01
层次分析法数学建模论文
操作系统原理试卷及参考答案(A).doc
08-01
操作系统原理试卷及参考答案(A)
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值