- 博客(7)
- 收藏
- 关注
RSS订阅原创 支持向量机
数据集：(X1,Y1)(X2,Y2)...(Xn,Yn)Y为样本的类别：当X为正例时，Y=+1；当X为负例时，Y=-1决策方程：（其中是对数据做了变换）
2024-06-11 15:21:43
1646
1
原创 机器学习｜逻辑回归
逻辑回归是一个分类的算法，它基于多元线性回归，正因如此，逻辑回归这个分类算法是线性的分类器。逻辑回归中对应一条非常重要的曲线S型曲线，其对应的函数是Sigmoid函数图1 sigmoid曲线逻辑回归就是在多元线性回归基础上把结果缩放到0~1之间。越接近1越是正例越接近0越是负例，根据中间 0.5将数据分为二类。其中就是概率函数：我们知道分类器的本质就是要找到分界，所以当我们把0.5作为分类边界时，我们要找的就是，即时，的解。
2024-05-28 12:48:57
1894
原创 机器学习｜贝叶斯算法
正向概率：假设袋子里面有N个白球，M个黑球，你伸手进去摸一把，摸出黑球的概率是多大？逆向概率：如果我们事先并不知道袋子里面黑白球的比例，而是闭着眼睛摸出一个（或几个）球，观察这些取出来的球的颜色之后，那么我们可以就此对袋子里面的黑白球的比例做出什么样的推测？
2024-05-14 12:47:15
917
1
原创 决策树的构造
递归结束的条件是:程序遍历完所有划分数据集的属性，或者每个分支下的所有实例都具有相同的分类。的所有分支上，如果某个分支下的数据属于同一类型，则当前无序阅读的垃圾邮件已经正确的划分数据分类，无需进一步对数据集进行分割，如果不属于同一类，则要重复划分数据子集，直到所有相同类型的数据均在一个数据子集内。划分数据集，由于特征值可能多于两个，因此可能存在大于两个分支的数据集划分。第一次划分之后，数据将被向下传递到树分支的下一个节点，在这个节点上，我们可以再次划分数据。如果待分类的事务可能划分在多个分类之中，则符合。
2024-04-28 16:33:53
1098
原创 机器学习之分类模型评估指标
在该矩阵中，矩阵中的行代表样例的真实类别，矩阵中的列代表预测器预测的类别(行和列所代表的可以互相交换)。由图1可见，当召回率接近于0时，模型A的精确率为0.9，模型B的精确率是1， 这说明模型B得分前几位的样本全部是真正的正样本，而模型A即使得分最高的几个样本也存在预测错误的情况。这充分说明，只用某个点对应的精确率和召回率是不能全面地衡量模型的性能，只有通过P-R曲线的。图1是P-R曲线样例图，其中实线代表模型A的P-R曲线，虚线代表模型B的P-R曲线。P-R曲线的横轴是召回率，纵轴是精确率。
2024-04-15 21:01:38
1777
1
原创 安装VScode和Anaconda
Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror。2、下载后，打开文件，一直点下一个，最后安装成功。2、找到2023年的一个版本，点击下载。一、安装anaconda。5、手动添加环境变量。二、安装vscode。
2024-03-19 18:26:37
447
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