机器学习
撸猫摸鱼选手
这个作者很懒,什么都没留下…
展开
-
机器学习(3):支持向量机SVM
前述 支持向量机(support vector machines, SVM)是一种二分类模型,它的基本模型是定义在特征空间上的间隔最大的线性分类器。SVM学习的基本想法是求解能够正确划分训练数据集并且几何间隔最大的分离超平面。 线性支持向量机学习算法如下: 输入:训练数据集 输出:分离超平面和分类决策函数 demo代码示意: import numpy as np import matplotlib.pyplot as plt import seaborn as sns from sklearn impor原创 2020-08-26 20:29:10 · 167 阅读 · 0 评论 -
机器学习(2):决策树
前言 决策树是一种机器学习的方法。决策树是一种树形结构,其中每个内部节点表示一个属性上的判断,每个分支代表一个判断结果的输出,最后每个叶节点代表一种分类结果。 决策树需要监管学习。监管学习就是给出一堆样本,每个样本都有一组属性和一个分类结果,也就是分类结果已知,那么通过学习这些样本得到的决策树,这个决策树能够对新的数据给出正确的分类。 优点: ▪ 具有很好的解释性,模型可以生成可以理解的规则 ▪ 可以发现特征的重要程度 ▪ 模型的计算复杂度低 缺点: 模型容易过拟合,需要采用剪枝处理 不能很好地利用连续型原创 2020-08-22 20:53:18 · 261 阅读 · 0 评论 -
机器学习(1):基于逻辑回归的分类预测
前言 逻辑回归(Logistic regression)是一个分类模型,可解释性强。本次学习主要内容有: 逻辑回归算法原理 逻辑回归算法实践 基于鸢尾花(iris)数据集的分类预测原创 2020-08-20 19:28:02 · 265 阅读 · 0 评论