- 博客(8)
- 收藏
- 关注
RSS订阅原创 基于PCA的简易人脸识别
ORL 人脸数据集包含 40 个人的 400 张人脸图像，每个人有 10 张不同表情、光照和角度的图像。图像大小为 92×112 像素，灰度图像。
2025-06-16 23:34:55
595
原创 基于支持向量机的垃圾邮件过滤系统
凭借其在高维空间的优异分类性能，成为文本分类的重要替代方案。本次实验基于Python实现SVM分类器，通过将邮件内容转化为。，其核心思想是寻找一个最优超平面，最大化不同类别数据点间的边界距离。对于线性不可分问题，SVM通过。是自然语言处理的核心任务之一，而垃圾邮件过滤是其典型应用场景。，构建了一个高效的垃圾邮件过滤系统。实验使用真实邮件数据集，验证了SVM在文本分类任务中的。 将数据映射到高维空间实现线性可分。（而非频率）在线性SVM中已能实现完美分类。高维稀疏文本数据中，。
2025-06-02 22:52:25
710
原创 逻辑回归机器学习
数据准备：这包括收集、清洗和预处理数据。模型评估：通过评估指标（如准确率、精确率、召回率和 F1 分数）来评估模型的性能，确定模型在训练集和测试集上的表现。该公司现在需要尽可能筛选出出色的候选人，需要我们设计一个分类器，根据候选人的以上三种特征，识别出是否该招聘。数据预处理：对特征数据进行归一化处理，以确保所有特征在相同范围内，避免某一特征对结果的影响过大。模型训练：使用训练数据集，通过优化算法（如梯度下降）来调整模型的参数，以最小化预测误差。模型预测：对新的候选人的特征进行预测，判断其是否该招聘。
2025-05-20 00:29:01
485
原创 贝叶斯分类器预测西瓜品质
在机器学习领域，分类算法是重要的研究方向之一，其广泛应用于各个领域，如医疗诊断、图像识别、自然语言处理等。贝叶斯分类器作为统计学中一种经典的分类方法，具有简单、高效和易于理解的特点。本次实验旨在通过贝叶斯分类器对西瓜数据集进行分类预测，判断西瓜是否为好瓜，从而验证贝叶斯分类器在实际问题中的应用效果，并分析其性能表现。
2025-04-28 17:00:00
2555
原创 基于决策树的贷款客户分类预测
在机器学习领域，决策树是一种重要的分类与回归方法，具有模型可读性强、分类速度快等优点。本次实验旨在通过 ID3 和 C4.5 决策树算法对贷款客户数据进行分类预测，判断是否给予贷款，并评估两种算法在该数据集上的性能表现，同时对比分析二者优劣，以期为实际业务场景中的贷款审批决策提供参考依据。
2025-04-21 17:29:01
1092
原创 分类模型评估（kNN为例）
混淆矩阵是一个表格，用于展示模型预测结果与实际标签之间的分布情况。对于二分类问题，矩阵包含四个基本项：真正例 (True Positives, TP)：模型正确预测为正类的样本数。假正例 (False Positives, FP)：模型错误预测为正类的样本数。真反例 (True Negatives, TN)：模型正确预测为负类的样本数。假反例 (False Negatives, FN)：模型错误预测为负类的样本数。对于多分类问题，混淆矩阵扩展为每个类别的两两对比。
2025-04-07 23:00:00
2509
原创 基于K-近邻算法的分类器的实现
我们很容易发现，当计算样本之间的距离时数字差值最大的属性对计算结果的影响最大，也就是说，每年获取的飞行常客里程数对于计算结果的影响将远远大于上表中其他两个特征-玩视频游戏所耗时间占比和每周消费冰淇淋公斤数的影响。在处理这种不同取值范围的特征值时，我们通常采用的方法是将数值归一化，如将取值范围处理为０到１或者-１到１之间。该网站现在需要尽可能向海伦推荐她喜欢的人，需要我们设计一个分类器，根据用户的以上三种特征，识别出是否该向海伦推荐。其中输入数据应包含三个值，输出应为喜欢，一般，不喜欢，三个中的一个。
2025-03-24 23:31:53
1961
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