机器学习算法入门
此部分主要介绍机器学习算法中常见的分类预测方法,主要包括逻辑回归,决策树,支持向量机三部分。
czslxk
这个作者很懒,什么都没留下…
展开
-
机器学习算法入门梳理——支持向量机的分类预测详解
基于支持向量机的分类预测 机器学习算法详解,day3 打卡! 1. 相关的概念 线性可分:在二维空间上,两类点被一条直线完全分开叫做线性可分。 超平面:从二维空间扩展到多维空间时,将两两类样本完全正确的划分开来的线(上述线性可分的直线)就变成了超平面(wx+b=0)。以最大间隔把两类样本分开的超平面称之为最大间隔超平面(这样做是为了使该超平面更具鲁棒性(稳定))。 两类样本分别被分割在超平面的两侧 两侧距离超平面最近的样本点到超平面的距离被最大化了。 支持向量:是一些离散的点,通常为样本中距离超平面原创 2020-08-26 23:57:40 · 909 阅读 · 0 评论 -
机器学习算法入门梳理——决策树的分类预测详解
基于决策树的分类预测 机器学习算法详解,day2 打卡! 决策树概念 信息熵 基尼系数 剪枝 总结 1. 决策树的概念 决策树(decision tree)也是机器学习中的一个重要算法,但是我们可能平时在决策的时候就常常用到,比如以下天气和怎么出行的问题: 决策树是一种非参数学习算法,可以解决分类(包括多分类)问题,还可以解决回归问题。 如下的例子,用iris简单看一下决策树。 import numpy as np import pandas as pd import seaborn as sns原创 2020-08-23 23:33:01 · 1052 阅读 · 0 评论 -
机器学习算法入门梳理——逻辑回归的分类预测详解
基于逻辑回归的分类预测 机器学习算法详解,day1 打卡! 逻辑回归概述及函数 逻辑回归的python实现 sklearn实现二分类逻辑回归 决策边界 适用多项式特征 多分类问题 总结 1. 逻辑回归概述及函数 1.1 概述 逻辑回归(logistic regression)是在数据科学领域最常用到的方法之一,虽然名字为“回归”,但逻辑回归其实是一个分类模型,主要是解决分类问题。 在逻辑回归中,我们会得到一个事件的概率值 p,当 p >= 0.5 时,事件发生;当 p < 0.5 时,事原创 2020-08-20 22:44:49 · 446 阅读 · 0 评论