- 博客(8)
- 收藏
- 关注
RSS订阅
1原创 随机森林算法
1、集成学习思想（ensemble）： 集成学习就是“博采众长”，将一组弱学习器通过一定方法结合在一起得到强学习器，这个强学习器的泛化能力相对任何一个弱学习器都要好，甚至还有起到三个臭皮匠，赛过诸葛亮的效果。集成学习的分类：1.Bagging（bootstrap aggregating自助聚集）：装袋。并行处理，基本思想为：假设需要T个学习器，首先从数据集中采样出T个数据集（自主采样法bootstrap sampling：有放回的采样），然后基于这T个数据集训练分类器，再将这些基分类器进..
2022-04-29 11:01:22
174
原创 K-means聚类算法
1.概述K-means算法是最为经典的基于划分的聚类算法，基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类，通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。K-means算法接受参数k，然后将事先输入的n个数据对象划分为k个聚类以便使得所获得的聚类满足同一聚类的对象相似度较高，而不同聚类中的对象相似度较小。聚类相似度是利用各个聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的2.实现原理基本思想是初始随机给定k个簇中心，按照最近邻原则把待分类样本点
2022-04-29 10:44:18
227
原创 特征值分解SVD
特征值分解：线代里的相似对角化，必须是方阵奇异值分解：可以不是方阵P(m*m维)为左奇异矩阵，Q（n*n维）为右奇异矩阵，∑对角矩阵（m*n维）左奇异矩阵对矩阵进行行压缩，右奇异矩阵对矩阵进行列压缩。奇异值分解的应用：降维和压缩numpy.linalg.svd函数函数：np.linalg.svd(a,full_matrices=1,compute_uv=1)。参数：a是一个形如(M,N)矩阵 full_matrices的取值是为0或者1，默认值为1，这时u的大小
2022-04-29 10:42:46
124
原创 主成分分析PCA
PCA的目的/作用：PCA是最常用的线性降维方法，他的目标是通过某种线性投影，将高维的数据映射到低维的空间中，并期望在所投影的维度上数据的信息量最大（方差最大），以此使用较少的数据维度，同时保留住较多的原数据点的特性。PCA降维的目的就是为了在尽量保证“信息量不丢失”的情况下，对原始特征进行降维，也就是尽可能将原始特征往具有最大信息量的维度上进行投影。求解步骤：去除平均值（这一步不是独立于PCA的预处理步骤，而是PCA的定义规定的必须步骤，为了满足协方差矩阵的要求） 计算协方差矩阵（各维度
2022-04-29 10:40:28
166
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