机器学习
文章平均质量分 95
基于Numpy与Sklearn实现26个主流机器学习算法,同时给予完备的公式推导
Bachelor_Hu
这个作者很懒,什么都没留下…
展开
-
ML008 K近邻算法
k近邻(k-nearest neighbor,k-NN)算法是一种经典的分类方法,其是根据新输入实例的k个最近邻实例的类别来决定分类,本文基于Python,基于Numpy和sklearn两种模块对k近邻算法进行了实现原创 2023-07-15 23:34:46 · 168 阅读 · 1 评论 -
ML007 线性判别分析
线性判别分析(LDA)是一种经典的线性分类方法,其基本思想是将数据投影到低维空间,使得同类数据尽可能地接近,异类数据尽可能地疏远,本文基于Numpy定义了一个LDA类,并与sklearn中的同类算法进行了效果比较原创 2023-07-15 00:05:45 · 232 阅读 · 1 评论 -
ML005 对数几率回归(含代码)
本文提供了对数几率回归的基于Numpy的自行代码编写实现与基于sklearn模型直接调用,并提供了对数几率回归模型的数理推导原创 2023-06-11 10:13:42 · 142 阅读 · 0 评论 -
ML004 线性回归
本文基于Python中的numpy与sklearn分别构建了线性回归模型,并给出了线性回归模型的数理推导。线性回归包含了最朴素的由自变量到因变量的机器学习建模思路,基于均方误差最小化的最小二乘法是线性回归模型求解的基本方法,通过最小均方误差和R方系数可以评估线性回归的拟合效果,线性回归模型也是其他各种线性模型的基础原创 2023-06-08 15:35:41 · 195 阅读 · 0 评论 -
ML001 机器学习预备知识
机器学习所需预备知识原创 2023-05-30 16:30:14 · 149 阅读 · 0 评论