![](https://img-blog.csdnimg.cn/b1c4d6a3a4ae41a69dc85c8a46905f7e.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习实战(matlab版本)
文章平均质量分 94
深入探索机器学习的世界,分享如何使用Matlab和Python实现各种机器学习算法。此专栏旨在为初学者和进阶者提供实用指导和最佳实践。
由于matlab变量的可视性,因此通过matlab入门机器学习,更书写代码时方便检查过程中的错误,并及时改正。
是Yu欸
这里是我读博期间的笔记本,记录学习和成长,争取顺利毕业ing
展开
-
【数据集划分】假如你有超百万条oracle数据库数据(成真版)
大模型,何所谓大?先从大数据开始。假如你有超百万条oracle数据库数据,那么一直使用的代码:`train_df, temp_df = train_test_split(df, test_size=0.3, random_state=42)`,很可能1h还没划分完数据。刚开始时,看着电脑忙和,自己闲着,很开心。1h过去后,发现事情好像没有那么简单。于是……重新学习数据集划分,从时间复杂度角度,重新审视这些机器学习入门知识。原创 2024-06-05 22:26:13 · 1868 阅读 · 41 评论 -
一文速通自监督学习(Self-supervised Learning):教机器自我探索的艺术
论文看到哪学到哪 ^ - ^在计算机领域,我们总是在寻找更智能、更高效的方法来训练机器学习模型。如果我们能够教会机器如何利用其周围的世界自我学习,那将是多么令人兴奋的事情!这就是自监督学习(Self-Supervised Learning)的魔法所在。本文将尽可能用通俗易懂的语言和形象的比喻,带你走进自监督学习的世界。一文速通半监督学习(Semi-supervised Learning):桥接有标签与无标签数据。原创 2024-03-22 18:31:39 · 1519 阅读 · 4 评论 -
大数据导论考察论文:模拟建立测控全国COVID-19流行趋势的模型
由于技术等客观因素限制,我就疫情中政府基于大数据应用,第二个方面中,通过分析卫生部门所采取措施对疫情传播所造成的影响,复盘我国抗击COVID-2019取得阶段性胜利的原因。为此,我将初步筛选全国疫情发展态势统计结果,模拟建立测控全国COVID-19流行趋势的模型。原创 2022-11-12 19:22:11 · 7408 阅读 · 3 评论 -
deap遗传算法 tirads代码解读
目前,有许多可用于遗传算法的 Python 框架 —— GAFT,DEAP,Pyevolve 和 PyGMO 等。其中,deap (Distributed Evolutionary Algorithms in Python) 框架支持使用遗传算法以及其他进化计算技术快速开发解决方案,得到了广泛的应用。deap 提供了各种数据结构和工具,这些数据和工具在实现各种基于遗传算法的解决方案时必不可少。原创 2023-01-15 13:10:53 · 5663 阅读 · 1 评论 -
遗传算法——基于Big Mart Sales数据集的TPOT库实现(python)
实际上,AML 是在 scikit-learn 中应用的网格搜索的扩展,而不是迭代这些值预先定义的集合和其组合,它通过搜索方法,特征,变换和参数值来获得最佳解决方案。因此,AML“网格搜索”不需要在可能的配置空间上进行详尽的搜索 - AML 有一个很赞的应用叫做 TPOT 包,其提供了像遗传算法这样的应用,可用来在某个配置中混合各个参数并达到最佳设置。该步骤是遗传算法中产生新的个体的主要操作过程,它用一定的交配概率阈值(pc,一般是0.4到0.99)来控制是否采取单点交叉,多点交叉等方式生成新的交叉个体。原创 2023-01-04 15:55:11 · 6128 阅读 · 7 评论 -
图像识别6:综合
图像识别6:综合实验内容:图像数据的提取、特征提取、划分数据集并分类、可视化结果展示:1. 对resize前后的图像进行展示,包括原始彩图、灰度图、及resize后的灰度图。2. 绘制两个图展示SVM、KNN分类器参数变化时,四种特征提取算法的精度变化。3. 确定最优参数后,使用最优参数下的三个分类器进行分类,展示四种算法在该分类器下的分类精度(五组数据的平均精度)。4. 确定最优参数后,针对分类结果对六类。原创 2022-01-25 15:01:15 · 5467 阅读 · 3 评论 -
图像识别5:LDA 与 SVM+神经网络+支持向量机实验
图像识别5:LDA 与 SVM+神经网络+支持向量机实验目的:熟练支持向量机的使用,掌握线性判别分析使用,以及 knn、k-means 聚类的使用方法。实验内容:(1)LDA与SVM(2)KNN和支持向量机(3)Kmean聚类原创 2022-01-21 20:41:07 · 4806 阅读 · 0 评论 -
图像识别3:梯度下降和LDA线性模型实验
图像识别3:梯度下降和LDA线性模型实验内容:根据梯度下降法、闭式解完成一元线性回归实验,并比较两种解下的实验结果。原创 2022-01-21 20:29:36 · 4087 阅读 · 0 评论 -
图像识别4:决策树+神经网络GUI+支持向量机实验
图像识别4:决策树+神经网络GUI+支持向量机实验内容:(1)决策树(2)神经网络(3)支持向量机二分类实验原创 2022-01-21 20:17:12 · 4190 阅读 · 0 评论 -
图像识别2:图像多分类实验
图像识别2:多分类及线性模型实验1. a 次 b 折交叉验证法(k 取 10)完成训练集与测试集的划分。2. 对测试集添加椒盐噪声,记录当噪声密度 d 取 0,0.01,0.05,0.1,0.2,0.5,0.8,1 时的分类精度,并画出精度曲线图,通过曲线图分析测试集噪声对两种方法的影响。原创 2022-01-21 20:03:01 · 6199 阅读 · 1 评论 -
图像识别1:基于相似性度量的二分类实验
图像识别1:基于相似性度量的二分类实验目的:进行基于相似性度量的二分类实验,并绘制相关ROC曲线。以方便对两种或两种以上不同相似度试验,进行算法性能的比较。原创 2022-01-21 17:52:53 · 5503 阅读 · 1 评论