- 博客(8)
- 收藏
- 关注
RSS订阅原创 主成分分析
主成分分析（PCA）是一种基于变量协方差矩阵对数据进行压缩降维、去噪的有效方法。它借助正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分（PC）。主成分是旧特征的线性组合，能够最大程度地保留原始数据中的信息。PCA的基本原理是找到一组新的正交基，将数据投影到这些基上，使得投影后的数据方差最大。这些新的正交基就是主成分，它们能够反映原始数据中的主要结构。通过选择前k个主成分，我们可以实现数据的降维，同时保留大部分信息。
2024-06-27 19:21:27
312
原创 支持向量机（SVM）
其核心思想是通过找到一个最优的超平面来划分不同类别的数据，同时最大化不同类别数据到该超平面的距离，即间隔（margin）。：对于非线性可分的数据，SVM可以使用核函数将数据从原始空间映射到一个高维特征空间，使得原本线性不可分的数据在高维空间中变得线性可分。：SVM的目标是找到一个最大化间隔的超平面，即使得支持向量到超平面的距离最大化。SVM的目标是找到一个最优的超平面，使得不同类别的样本完全分开。：在寻找最优超平面的过程中，SVM会找到一些距离超平面最近的样本点，这些样本点称为支持向量。
2024-06-11 14:36:19
933
2
原创 逻辑回归（Logistic Regression）详解与实战
逻辑回归是一种简单而强大的分类算法，它通过引入Sigmoid函数将线性回归的预测值转换为概率，从而实现了对二分类问题的处理。在实战中，我们可以使用sklearn等机器学习库来快速构建和训练逻辑回归模型，并通过各种指标和可视化工具来评估模型的性能。通过不断调整模型的参数和超参数，我们可以进一步优化模型的性能，以满足实际应用的需求。...+
2024-05-28 11:16:03
863
原创 朴素贝叶斯
朴素贝叶斯分类器在文本分类中发挥了重要作用，并以其简单、高效和可解释性强的特点得到了广泛应用。然而，在实际应用中，我们仍需要注意其局限性并尝试使用更复杂的模型和技术来改进分类性能。随着自然语言处理技术的不断发展，我们有理由相信文本分类技术将在未来得到更广泛的应用和发展。
2024-05-13 23:30:50
538
原创 机器学习——决策树
决策树作为一种直观且强大的机器学习算法，在分类和回归任务中都有广泛的应用。本文将详细解释决策树的构建过程，展示两种不同的构建方法，并通过模型评估方法对比其性能。
2024-04-29 13:24:24
350
1
原创 分类模型评估
通过本次实验，我们掌握了常见的分类模型评估指标的计算方法，理解了ROC曲线和PR曲线的差异，并通过代码实现了绘制不同k值下的ROC曲线。通过比较不同k值下的ROC曲线和AUC值，我们可以选择出最优的k值，从而得到性能最佳的分类模型。本次实验将深入探讨常见的分类模型评估指标、ROC曲线与PR曲线的差异，并通过代码实现绘制不同k值下的ROC曲线，进而对结果进行分析。AUC值是一个量化的指标，它表示ROC曲线下的面积，AUC值越接近1，说明模型的性能越好。分类模型的评估指标是评估模型性能的关键。
2024-04-16 13:38:52
490
原创 knn算法
总的来说，KNN算法是一种简单、易于理解和使用的分类和回归方法，但需要适当的数据准备和参数选择才能获得良好的性能。在实际应用中，还可以考虑使用集成方法或其他优化技术来改进KNN算法的性能。在实验中，我们发现KNN算法在处理简单和复杂的数据集时都表现良好。在简单的数据集上，KNN算法可以很好地分类数据，并且具有较高的准确性。在复杂的数据集上，虽然KNN算法可能会受到维度灾难的影响，但通过适当的调参和特征选择，KNN算法仍然可以取得较好的分类效果。
2024-04-02 17:07:28
257
1
原创 Anaconda和Vscode的安装
至今进入Vscode的官网进行下载https://code.visualstudio.com/，点击Download for Windows进行下载。安装最新版的Anaconda，可以进入Anaconda的官网进行下载：https://www.anaconda.com/，直接下载对应安装包就可以。还可以通过清华大学开源软件镜像站：https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/进行下载。选择自己要安装的位置，可以选择在其他盘中。
2024-03-18 22:06:11
617
4
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