![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习基础学习
自学机器学习的学习笔记
多刷亿点题⑧
这个作者很懒,什么都没留下…
展开
-
机器学习之线性回归的改进-岭回归
Ridge方法相当于SGDRegressor(penalty=‘l2’, loss=“squared_loss”),只不过SGDRegressor实现了一个普通的随机梯度下降学习,推荐使用Ridge(实现了SAG)岭回归,其实也是一种线性回归。只不过在算法建立回归方程时候,加上正则化的限制,从而达到解决过拟合的效果。观察正则化程度的变化,对结果的影响?原创 2024-03-18 16:45:21 · 479 阅读 · 0 评论 -
过拟合欠拟合
当算法在某个数据集当中出现这种情况,可能就出现了过拟合现象。1、 什么是过拟合与欠拟合。原创 2024-03-18 16:40:38 · 384 阅读 · 0 评论 -
朴素贝叶斯算法基础——案例:对新闻进行分类
Ni:F1词在C类别所有文档中出现的次数。N:所属类别C下的文档所有词出现的次数和。应用场景:文本分类(单词作为特征)朴素:假设特征与特征之间相互独立。m:训练文档中统计出的特征词个数。朴素贝叶斯算法:朴素+贝叶斯。3、特征工程——文本特征抽取。a:指定的系数一般为1。4、朴素贝叶斯算法的。原创 2024-03-13 15:03:25 · 1042 阅读 · 0 评论 -
KNN算法对鸢尾花进行分类:添加网格搜索和交叉验证
优化——添加网格搜索和交叉验证。原创 2024-03-13 13:59:17 · 807 阅读 · 0 评论 -
用KNN算法进行鸢尾花分类
K-近邻算法(K Nearest Neighbor)KNN算法的核心思想:你的“邻居”来推测你的类别。K值取得过小,容易受到异常点的影响。K值取得过大,受样本不均衡的影响。算法对鸢尾花进行分类的步骤。原创 2024-03-12 17:58:20 · 522 阅读 · 0 评论 -
决策树原理和代码
一但构建好了决策树,那么分类或者预测任务就很简单了,只需要走一遍就可以了,那么难点在于如何构建出来一棵树,这需要考虑很多问题。目标:通过一种衡量标准,来计算通过不同特征进行分支选择后的分类情况,找出来最好的那个当成根节点,以此类推。显然A集合的熵值要低,因为A里面只有两种类别,相对稳定一些,而B中类别太多了,熵值就会大很多。训练阶段:从给定的训练集构建出一棵树(从根节点开始选择特征,如何进行特征切分)限制深度,叶子节点个数,叶子节点样本数,信息增益量等。预剪枝:边建立决策树边进行剪枝的操作(更实用)原创 2024-03-07 15:12:54 · 360 阅读 · 0 评论 -
机器学习的基础学习笔记
其中机器学习是使计算机系统能够通过学习经验和数据来改进性能。机器学习算法能够从数据中发现模式,并使用这些模式来做出预测或做出决策,而不需要明确的编程。大家常说的人工智能、机器学习、深度学习其实是包含关系,深度学习是机器学习的一种特殊方法,而机器学习又是人工智能的一个子领域。机器学习可以分为监督学习和无监督学习两类。根据目标值可以将机器学习分类。数据集结构:特征值+目标值。原创 2024-03-10 21:48:46 · 672 阅读 · 0 评论