自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(8)
  • 收藏
  • 关注

原创 机器学习PCA 原理及实战:从理论到人脸识别应用

本博客详细介绍了 PCA 的原理与实战,从数学基础到代码实现,再到人脸识别中的应用,完整展示了 PCA 的全流程。通过实验可以看到,PCA 作为一种经典的降维方法,在处理高维数据时具有独特的优势,但也存在一定的局限性。对于想要进一步拓展的读者,可以考虑:对比 PCA 与其他降维方法(如 LDA、t-SNE)的效果在 PCA 中加入正则化(如 PCA-L1)以获得更稀疏的特征表示探索核 PCA(Kernel PCA)处理非线性数据的能力。

2025-06-15 00:46:21 1567

原创 机器学习 支持向量机

支持向量机是一种基于间隔最大化原则的监督学习模型,它通过找到数据集中的最优超平面来区分不同的类别。在二维空间中,这个超平面可以看作是一条线;在三维空间中,它是一个平面;而在更高维空间中,它是一个超平面。本文通过 SVM 实现了垃圾邮件分类器,利用文本预处理和线性 SVM 在测试集上达到了 99.2% 的准确率。SVM 在高维稀疏数据(如文本)中表现优异,但需注意参数调优和计算效率问题。实际应用中可结合深度学习(如 Word2Vec + 神经网络)进一步提升性能。

2025-06-03 00:49:44 636

原创 机器学习 Logistic回归

逻辑回归(Logistic Regression)是一种用于解决二分类问题的监督学习算法,其核心是通过 Sigmoid 函数将线性回归的结果映射到 (0,1) 区间,从而将概率转化为分类决策。优点模型简单易解释,参数权重直接反映特征重要性。输出概率可用于排序或风险评估(如广告点击率预测)。计算效率高,适合大规模数据。缺点与改进线性决策边界:无法处理非线性问题,需通过特征工程(如多项式特征)或核方法扩展。对异常值敏感:需进行数据清洗和归一化。

2025-05-20 00:43:06 943

原创 机器学习朴素贝叶斯算法:基于西瓜数据集的瓜类品质预测

本文通过西瓜数据集,详细介绍了朴素贝叶斯算法的原理与 Python 实现过程。从数据加载、概率计算到最终预测,逐步展示了算法的运行机制。朴素贝叶斯算法在文本分类、垃圾邮件过滤等领域有着广泛应用,其简单高效的特点使其成为机器学习入门与实践的重要算法之一。后续可以进一步研究如何优化算法,处理特征相关性问题,以提升分类准确率。

2025-05-05 16:07:01 1843

原创 决策树算法:ID3 与 CART 算法

ID3 和 CART 作为决策树算法的经典代表,在机器学习中占据重要地位。ID3 基于信息增益构建多叉树,简单直接但存在局限性;CART 利用基尼指数构建二叉树,功能更强大。实际应用中,常根据数据特点和任务需求选择合适算法,或采用改进算法如 C4.5,以及基于它们发展而来的随机森林、GBDT 等集成学习算法,以提升模型性能和泛化能力。未来,随着数据规模和复杂度的增加,决策树算法有望在更多领域发挥关键作用。

2025-04-21 22:51:06 753

原创 机器学习模型评估:PR 曲线与 ROC 曲线

True Positive(真正例):模型正确地将正例分类为正例。False Positive(假正例):模型错误地将负例分类为正例。False Negative(假反例):模型错误地将正例分类为负例。True Negative(真反例):模型正确地将负例分类为负例。PR 曲线和 ROC 曲线是机器学习模型评估中不可或缺的工具。它们从不同的角度展示了模型的性能,为我们提供了全面了解模型表现的途径。

2025-04-07 19:09:15 2498

原创 基于K近邻算法的分类器的实现

在机器学习领域,有许多经典的算法可以用于分类问题。而K近邻(KNN)算法是其中一种简单而有效的方法。本文将深入探讨KNN算法的原理和实现,并介绍基于KNN算法的分类器的实际应用。k最近邻(kNN)算法是一种简单而有效的机器学习算法,常用于分类和回归问题。基本思路就是计算测试数据与样本的距离,取得距离最近的前k个数据的标签类,将其中出现次数最多的标签类作为测试数据的预测结果。

2025-03-24 18:32:51 777

原创 Anaconda 和 VSCode 下载和配置

随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。以上就是今天分享的全部内容。本文主要介绍了Anaconda和VSCode的下载、配置及基础使用方法。值得一提的是,通过conda工具,您可以轻松创建所需的虚拟环境,这为Python开发提供了极大的便利。更多高级功能和技巧,期待您的进一步探索与实践。

2025-03-03 22:25:17 500

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

提示
确定要删除当前文章?
取消 删除