- 博客(8)
- 收藏
- 关注
RSS订阅原创 主成分分析PCA
主成分分析（PCA）成功将原始数据从4维降至2维，同时保留了大部分数据的信息。经过PCA降维后的新变量能够有效地反映数据的差异性，有助于进行后续的数据分析和处理。通过K-Means聚类算法对PCA降维后的数据进行分类，结果表明该方法能够有效地区分不同类型的鸢尾花。在新变量的基础上，可以进一步探索其他聚类算法或分类模型对数据进行分析和预测，以验证PCA在数据处理中的效果。综合而言，PCA在数据降维方面取得了良好的效果，为后续的数据分析和建模提供了有力支持。z_%7B1j%7D。
2023-12-20 16:46:22
41
1
原创 支持向量机
我们使用逻辑回归算法来进行乳腺癌的预测，使用二项多项式增加特征，同时使用L1范数作为正则项，其拟合效果不仅比支持向量机好，而且在运算效率和计算代价上，远远好于二阶多项式核函数的支持向量机。当然，这里的支持向量机算法并未经过严谨的参数调优过程，但结果还是比使用L2范数的逻辑回归算法好，这里，我想表达的是：模型选择和参数调优，在工程实践中具有非常重要的作用。因此，为了使模型更加鲁棒，SVM引入了软间隔的概念。值得注意的是，选择合适的核函数和调节相应的参数是很重要的，这会直接影响到支持向量机的性能和泛化能力。
2023-12-05 23:02:40
59
原创 logistic回归原理及其实现
Logistic回归是一种常用的分类算法，主要用于处理二分类问题。适用范围：Logistic回归广泛应用于各种领域，特别是在医学、社会科学和金融领域中被广 泛使用。模型原理：Logistic回归通过将线性模型的输出映射到[0, 1]之间，利用logistic函数（也称为 Sigmoid函数）进行分类预测。该函数能够将任意实数映射到(0, 1)区间，表示概 率值。
2023-12-03 20:22:46
268
1
原创 朴素贝叶斯算法
贝叶斯算法（Bayesian algorithm）是一种基于贝叶斯统计理论的分类算法。它通过考虑先验概率和观测数据，利用贝叶斯公式进行推断和预测。概括来说，贝叶斯算法的基本思想是将待分类的对象看作是具有一定属性的实例，然后根据这些属性来判断它属于不同类别的概率。贝叶斯算法的步骤如下：构建训练集：收集具有已知类别标签的训练数据。学习先验概率：根据训练数据计算每个类别的先验概率，即在没有任何属性信息的情况下，一个对象属于某个类别的概率。
2023-11-21 12:13:17
89
原创 决策树的原理及其实现
决策树（Decision Tree），它是一种以树形数据结构来展示决策规则和分类结果的模型，作为一种归纳学习算法，其重点是将看似无序、杂乱的已知数据，通过某种技术手段将它们转化成可以预测未知数据的树状模型，每一条从根结点（对最终分类结果贡献最大的属性）到叶子结点（最终分类结果）的路径都代表一条决策的规则。
2023-10-31 20:08:40
1426
1
原创 ROC曲线以及PR曲线
PR曲线和ROC曲线都是在评估二分类模型（分类器）时常用的工具，用于显示模型的性能和有效性。：是一种用于评估二分类模型性能的曲线，横坐标为召回率（Recall），纵坐标为精确度（Precision）。精确度是指模型预测为正样本的样本中真实为正样本的比例，召回率是指真实为正样本的样本中被模型正确预测为正样本的比例。通过对不同阈值下的精确度和召回率进行绘制，可以得到PR曲线。
2023-10-23 20:57:14
223
原创 K近邻（KNN）算法
该算法的主要思想是：对于一个新的输入样本，找到与它距离最近的K个训练样本，计算这K个样本的类别标签的出现频率，将出现频率最高的标签作为该样本的预测类别标签（分类问题）或预测数值（回归问题）。它是一种基于实例的学习方法，通过使用已标记的训练样本构建模型，然后根据新样本的特征与训练样本的特征之间的距离来进行分类或回归预测。样本不平衡的时候，对稀有类别的预测准确率低。当样本不平衡时，如一个类的样本容量很大，而其他类样本容量很小时，有可能导致当输入一个新样本时，该样本的K个邻居中大容量类的样本占多数。
2023-10-09 20:20:53
239
1
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