![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
海森矩阵
提供机械控制技术服务 简历润色 b站:海森矩阵 咸鱼:海森矩阵
展开
-
Task3 SVM支持向量机及代码实现
import matplotlib.pyplot as pltfrom sklearn.datasets.samples_generator import make_blobs# 散点图可视化X, y = make_blobs(n_samples=60, centers=2, random_state=0, cluster_std=0.4)plt.scatter(X[:, 0], X[:, 1], c=y, s=60, cmap=plt.cm.Paired)# 画散点图X, y = make原创 2020-08-26 23:47:30 · 201 阅读 · 0 评论 -
Task02:基于决策树的分类预测
一 、决策树的介绍决策树是一种常见的分类模型,在金融分控、医疗辅助诊断等诸多行业具有较为广泛的应用。决策树的核心思想是基于树结构对数据进行划分,这种思想是人类处理问题时的本能方法。决策树的主要优点:具有很好的解释性,模型可以生成可以理解的规则。可以发现特征的重要程度。模型的计算复杂度较低。决策树的主要缺点:模型容易过拟合,需要采用减枝技术处理。不能很好利用连续型特征。预测能力有限,无法达到其他强监督模型效果。方差较高,数据分布的轻微改变很容易造成树结构完全不同。二 、决策树的应原创 2020-08-22 21:52:23 · 402 阅读 · 0 评论 -
Task01:基于逻辑回归的分类预测
一 逻辑回归的介绍逻辑回归(Logistic regression,简称LR)虽然其中带有"回归"两个字,但逻辑回归其实是一个分类模型,并且广泛应用于各个领域之中。虽然现在深度学习相对于这些传统方法更为火热,但实则这些传统方法由于其独特的优势依然广泛应用于各个领域中。而对于逻辑回归而言,最为突出的两点就是其模型简单和模型的可解释性强。逻辑回归模型的优劣势:优点:实现简单,易于理解和实现;计算代价不高,速度很快,存储资源低;缺点:容易欠拟合,分类精度可能不高二 逻辑回归的应用逻辑回归模型广泛原创 2020-08-20 20:58:52 · 270 阅读 · 0 评论