- 博客(7)
- 收藏
- 关注
RSS订阅原创 机器学习PCA降维
优点(1)仅通过方差衡量,不受外因影响(2)主成分正交,消除原始数据成分相关的可能(3)方法简单,易于实现缺点(1)可解释性变弱(2)可能丢失强力特征,可能对后续处理有影响。
2024-06-16 21:56:45
1478
原创 svm支持向量机
支持向量机(Support Vector Machine, SVM) 本身是一个二元分类算法,是对感知器算法模型的一种扩展,在的 SVM 算法支持线性分类和非线性分类的分类应用svm是作为感知机扩展的一种二元分类算法,不仅可以支持线性可分数据分类,还能处理非线性数据,通过寻找最合适超平面,并使离超平面最近的点最远来完成分类.svm有两种主要求解方式一种是通过最小化损失函数,另一种是通过寻找支持向量.线性可分支持向量机。
2024-06-10 16:22:59
1612
原创 机器学习逻辑回归
逻辑回归是一种广义的线性回归分析模型,根据给定的自变量数据集估算事件发生的概率.虽然名字是回归,但实际属于分类问题,广泛用于二分类问题逻辑回归作为机器学习中的经典算法之一，在分类问题中扮演着重要角色。核心概念Sigmoid函数损失函数梯度下降局限性尽管逻辑回归是一个简单而有效的算法，但它也有局限性例如，它假设特征与目标变量之间存在线性关系，这在现实世界的问题中并不总是成立。优缺点优点1.易于理解和实现2.适用于概率预测3.快速计算缺点1.对特征的线性关系假设2.分类阈值固定。
2024-05-28 15:38:50
636
原创 朴素贝叶斯分类器
贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。而朴素朴素贝叶斯分类是贝叶斯分类中最简单，也是常见的一种分类方法。1.逻辑简单,易于实现2.空间开销小朴素贝叶斯和其他分类方法相比具有较小误差,其实不是,这是因为朴素贝叶斯简单的把属性之间假设为相互独立,这种假设在现实生活中往往是不可取的,如果属性之间相关性较强,则分类效果不会很好。
2024-05-14 13:36:47
735
原创 ID3决策树与C4.5决策树
决策树是一个预测模型；他代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表某个可能的属性值，而每个叶节点则对应从根节点到该叶节点所经历的路径所表示的对象的值。决策树仅有单一输出，若欲有复数输出，可以建立独立的决策树以处理不同输出。数据挖掘中决策树是一种经常要用到的技术，可以用于分析数据，同样也可以用来作预测。在信息论里面，熵是对不确定性的测量。但是在信息世界，熵越高，则能传输越多的信息，熵越低，则意味着传输的信息越少。
2024-04-30 13:14:31
578
原创 knn算法实现解决目标所在区域问题及模型评估
①.曼哈顿距离d∣x1−x2∣∣y1−y2∣d∣x1−x2∣∣y1−y2∣例如计算(0,0)以及(1,2)之间的距离为∣0−1∣∣0−2∣∣0−1∣∣0−2∣②欧式距离dxA0−xB02xA1−xB12dxA0−xB02xA1−xB12例如计算(0,0)以及(1,2)之间的距离为1−022。
2024-04-16 12:15:59
1712
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