- 博客(8)
- 收藏
- 关注
RSS订阅原创 主成分分析(PCA)
PCA结果分析是一个多维度的过程，需要从方差贡献率、累积方差贡献率、原始和降维后数据的分布以及数据重构等方面进行综合考虑。这有助于我们更好地理解数据，并为后续的分析和建模做出更明智的决定。
2024-06-23 23:09:09
244
原创 支持向量机
支持向量机（Support Vector Machine，简称SVM）是机器学习领域中常用的分类和回归算法之一。SVM基本思想是通过寻找最优超平面来将不同别的数据样本分开。其主要目标是找到一个最大间隔的超平面，使得不同类别的样本点能够尽量被正确分类具有较好的泛化能力。本次实验是对支持向量机（SVM）进行训练和可视化，以找到最优的决策边界。通过使用随机生成的数据集，我们训练了一个简单的线性SVM分类器，并使用matplotlib库绘制了数据点和决策边界。决策边界由黑色实线表示，它代表了SVM找到的最优超平面。
2024-06-11 16:56:11
590
原创 机器学习之逻辑回归
逻辑回归是一种常用的机器学习算法，用于解决分类问题。它的名字可能会让人误解，因为它实际上是一种用于分类而不是回归的算法。在我们现实生活中逻辑回归可以用于疾病预测， 信贷风险评估， 股票市场预测，用户行为分析等等由于本次实验数据集是随机生成的，没有现实世界的特定背景。但通过随机生成数据，可以控制数据的属性和标签，以更好地理解模型性能和影响因素。通过本次实验学会逻辑回归，并且学会新的优化算法——梯度上升算法还有sigmoid函数，将两者结合起来实现一个简单的实验%5Calphaw%3Dw+
2024-05-28 22:06:34
684
原创 朴素贝叶斯
贝叶斯算法是一种基于贝叶斯定理的简单且高效的分类算法。它被广泛应用于文本分类、垃圾邮件过滤、情感分析等领域，并在实践中取得了良好的效果。本章所用的贝叶斯算法称为朴素贝叶斯，是因为整个形式化过程只做最原始，最简单的假设高斯朴素贝叶斯是一种常用的分类算法，特别适用于处理连续特征数据的分类问题。以下是对高斯朴素贝叶斯的总结和反思：总结：1. 高斯朴素贝叶斯是基于贝叶斯定理和特征条件独立假设的分类算法。它假设特征之间是独立性的，这意味着特征的概率分布在给定类别的情况下是独立的。
2024-05-14 13:21:25
960
原创 机器学习之决策树（ID3,C4.5,CRAT）
决策树是一种基于实例的学习算法，它通过创建决策树来描述分类或回归问题。决策树是一种常用的机器学习模型，它使用树形结构来表示分类或回归问题的决策过程。决策树的每个内部节点表示一个特征属性上的一个判断条件，每个分支代表一个可能的属性值，每个叶子节点表示一个类别或一个具体数值。决策树在机器学习中的应用非常广泛，它可以用于分类和回归问题，并且具有易于理解和解释的优点。决策树可以用于预测新的未在训练数据中出现的数据，并且可以通过剪枝等技术来避免过拟合，从而提高模型的泛化能力。在分类问题上，C4.5算法更加全面。
2024-04-30 12:31:06
845
1
原创 ROC与PR曲线
模型评估是在机器学习中，对训练好的模型性能进行评估的一种方法。它是模型开发过程中不可或缺的一部分，因为它可以帮助我们发现哪种模型能够最好地表达数据，以及所选模型在未来工作的性能如何。模型评估的方法有很多，例如准确率、召回率、F1分数、AUC-ROC等，通过这些方法，我们可以更全面地了解模型的性能，从而做出更好的决策。通过本次实验 理解和掌握常见的分类模型评估指标，如准确率、精确率、召回率、F1分数等。- 学习和使用ROC曲线和PR曲线来评估模型性能。分析不同k值下的ROC曲线，以观察模型性能的变化。
2024-04-16 13:57:57
903
原创 KNN算法
通过课本来学习了knn算法，了解knn用途，懂得如何对数据进行一个基本分类，由于本人能力有限，故随机生成数据集不具有现实含义。实验过程中查询课本与网上内容加深knn的理解，并初步学习makematlab。
2024-04-01 23:51:44
330
原创 Anaconda的下载与环境配置
Anaconda实际上是一个包管理器，可以理解为一个工具。Anaconda自带Python（选中版本）解释器以及其他一些数据分析与挖掘需要的模块而无需用户手动添加这些常用模块（安装模块会出现各种错误）。早期学Python时，我并没有觉得手动安装需要的模块有多麻烦，手动安装更有利于对Python解释器整体结构的理解，但是后来开始接触一些项目的时候才发现Anaconda的最核心功能。
2024-03-18 22:09:17
472
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