- 博客(8)
- 收藏
- 关注
RSS订阅原创 PCA—— 人脸信息
在机器学习的世界里，数据降维是一项极为重要的技术，它能在保留关键信息的同时，降低数据的维度，提升计算效率与模型性能。主成分分析（Principal Component Analysis，简称 PCA）作为最常用的数据降维方法之一，在处理高维数据时展现出强大的能力。当我们将目光聚焦在人脸信息领域，PCA 更是发挥着不可或缺的作用，为我们解锁了许多有趣且实用的应用场景。
2025-06-16 17:36:39
563
原创 基于 SVM 的垃圾邮件分类系统实现
通过以上步骤，我们成功实现了一个基于 SVM 的垃圾邮件分类系统。实验结果表明，SVM 在垃圾邮件分类任务中具有较好的性能，但仍然存在一些不足之处。例如，对于一些新型的垃圾邮件，模型可能由于缺乏相关训练数据而无法准确识别；在处理大规模邮件数据时，模型的训练和预测效率可能会受到影响。未来，可以进一步探索如何结合深度学习算法，如循环神经网络（RNN）、长短期记忆网络（LSTM）等，利用它们在处理序列数据方面的优势，提高垃圾邮件分类的准确性和鲁棒性。
2025-06-02 18:46:29
610
原创 【无标题】
逻辑回归（Logistic Regression）是机器学习中一种经典的分类算法，虽然名字里带有 “回归”，但它实际上用于解决二分类或多分类问题。其核心思想是通过构建线性回归模型，利用Sigmoid 函数将线性输出映射到 [0,1] 区间，从而表示样本属于正类的概率。python运行self.theta = None # 权重参数# 添加偏置项（截距）X_b = np.c_[np.ones((len(X), 1)), X] # 形状：(m, n+1)# 初始化权重。
2025-05-19 20:54:11
715
原创 朴素贝叶斯分类器：原理、实现与应用
朴素贝叶斯分类器凭借其简单高效、对小规模数据友好以及良好的可解释性，在机器学习领域占据重要地位。然而，它的特征条件独立假设在实际应用中往往难以完全满足，这可能会影响其分类性能。未来，我们可以探索如何改进朴素贝叶斯算法，使其更好地适应复杂的数据分布，或者结合其他机器学习算法，构建更强大的分类模型。同时，随着数据规模和类型的不断变化，朴素贝叶斯分类器在更多领域的应用也值得我们进一步挖掘和研究。
2025-05-05 18:49:13
856
原创 机器学习决策树
决策树是机器学习领域中极具代表性的有监督学习算法，在数据处理与决策分析中应用广泛。其基本结构由根节点、内部节点和叶节点构成，通过节点间的分支连接，实现对数据的逐步划分与决策。组成要素包含特征、划分条件、决策规则等，这些要素共同决定了决策树的分类或回归逻辑。在算法层面，ID3、C4.5 和 CART 是常见的决策树算法。ID3 以信息增益为特征选择指标，理论简洁但易倾向选择取值多的特征；C4.5 采用信息增益率，克服了 ID3 的部分缺陷，能处理连续型特征和缺失值；
2025-04-21 15:30:00
1966
原创 KNN算法的分类模型评估
KNN 算法作为一种基础且实用的分类算法，在实际应用中需要通过合理的评估指标来准确衡量其性能。准确率、精确率、召回率、F1 值以及混淆矩阵等指标从不同角度为我们提供了模型评估的依据。在实际工作中，我们应根据具体的业务场景和数据特点，选择合适的评估指标，全面、准确地评估 KNN 分类模型的性能，不断优化模型，使其更好地服务于实际需求。
2025-04-07 15:52:45
866
原创 机器学习：基于K近邻算法的分类器的实现
它通过计算数据点之间的相似度（通常是距离度量），然后预测新的数据点的标签或数值。计算复杂度高：在预测阶段，对于每一个待预测的样本，都需要计算它与训练集中所有样本的距离，然后找出最近的 K 个邻居。简单易理解：KNN 算法的原理直观简单，不需要复杂的数学推导和模型训练过程。label = {0:'每年获得的飞行常客里程数', 1: '玩视频游戏所耗时间百分比', 2: '每周消费的冰淇淋的公升数'}KNN 的核心思想非常直观：“一个样本的类别（或数值）取决于其最邻近的 kkk 个邻居的类别（或数值）。
2025-03-24 18:56:41
730
原创 安装 Anaconda
下载地址：Anaconda | Built to Advance Open Source AI。点击网址进入下载页面，点击Free Download。新建变量，结合anaconda的实际安装目录来写。在系统设置中搜索高级系统设置。
2025-03-10 20:28:34
240
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