Heimdall.-CSDN博客

原创 PCA——JMU作业

主成分分析（Principal Component Analysis，PCA）是一种常用的数据预处理和降维方法。它的主要思想是将n维特征映射到k维上，这k维是全新的正交特征也被称为主成分，是在原有n维特征的基础上重新构造出来的k维特征23。PCA 的实现背景可以追溯到19世纪的协方差矩阵理论。然而，PCA 的现代形式最早由卡尔·皮尔逊（Karl Pearson）在1901年提出，并在20世纪上半叶得到了进一步的发展。

2024-01-03 23:11:58 863 1

原创支持向量机——JMU作业

支持向量机（support vector machines，SVM）是一种分类模型，其基本定义为特征空间上的间隔最大化的线性分类器，本质上是一个求解凸二次规划的问题。支持向量机是求解特征空间上的最大间隔（软间隔、硬间隔），是一个线性分类器，为了支持非线性的分类，引入了核技巧，用于将输入从输入空间映射到特征空间。相比较而言，核变换方法算是比支持向量机用得更广泛的一种机器学习方法。在线性可分问题中，SVM 的目标是找到一个超平面，能够完全将不同类别的样本正确地分开。

2024-01-03 22:58:42 703 1

原创 Logistic回归——JMU作业

logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。逻辑回归根据给定的自变量数据集来估计事件的发生概率，由于结果是一个概率，因此因变量的范围在 0 和 1 之间。

2023-12-04 20:40:02 852

原创朴素贝叶斯公式过滤垃圾邮件——JMU作业

（NBC）是以贝叶斯定理为基础并且假设特征条件之间相互独立的方法，先通过已给定的训练集，以特征词之间独立作为前提假设，学习从输入到输出的联合概率分布，再基于学习到的模型，输入x 求出使得后验概率最大的输出y。设有样本数据集，对应样本数据的特征属性集为，类变量为，即可以分为类别。

2023-11-20 21:09:14 51 1

原创决策树算法——JMU作业

决策树：是一种基本的分类与回归方法，是一个类似于流程图的树状结构。其中，每个内部结点表示在一个属性上的测试，每个分支代表一个属性输出，而每一个树叶结点代表类或类分布。树的最顶层是根结点。它可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布决策树的典型算法有ID3，C4.5，CART等决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。

2023-11-06 20:36:45 20

原创 P-R、ROC曲线——JMU作业

混淆矩阵（误差矩阵）是机器学习中总结分类模型预测结果的情形分析表，以矩阵形式将数据集中的记录按照真实的类别与分类模型预测的类别判断两个标准进行汇总。其中矩阵的行表示真实值，矩阵的列表示预测值。混淆矩阵是求解ROC曲线和P-R曲线的基础，ROC和P-R曲线的构建都依赖于混淆矩阵中的参数。如，ROC曲线的横纵坐标是通过混淆矩阵中的参数计算而得；PR曲线的精确率和召回率也是通过混淆矩阵中的参数进行计算得出。故而，在了解PR曲线及ROC曲线之前，首先要了解混淆矩阵的概念。

2023-10-23 21:53:45 32

原创 K近邻算法（K-NN算法）的简单应用——JMU作业

K近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：在特征空间中，如果一个样本附近的k个最近(即特征空间中最邻近)样本的大多数属于某一个类别，则该样本也属于这个类别。KNN算法中的K值是超参数，决定了参考多少个邻居的标签值。与直觉相反，当K较小时，模型复杂度高，训练误差减小，但泛化能力下降；K较大时，模型复杂度低，训练误差增大，但泛化能力稍有提高。

2023-10-09 20:39:40 68 1

原创机器学习环境搭建（VSc+Anaconda+conda虚拟环境）——jmu作业

它具有轻量级、高度可定制和强大的功能，具有简洁的界面、丰富的功能和良好的扩展性，适用于各种编程任务和项目类型。无论是前端开发、后端开发，还是其他领域的开发工作，VScode都能提供高效、便捷的开发环境。由于上述原因，CPU版本与GPU版本有显著差别，若设备有英伟达GPU，必然优先选择使用CUDA版本。由于官方网站下载极慢，建议使用清华源镜像进行下载，选择相应的版本即可，在此不做赘述。，GPU可以提供最佳的内存带宽，并且线程并行带来的延迟几乎不会造成影响。由于设备限制，本文仅展示GPU版本的下载安装。

2023-09-25 21:35:24 163

weixin_60732906的博客