一阵劲爆的电吉他-优快云博客

原创基于主成分分析（PCA）的图像特征降维实验

本实验通过对图像数据进行 PCA 处理，实现了从高维空间到低维空间的有效映射。实验结果表明：PCA 能够在较大程度上保留图像数据的主要特征信息；降维后数据结构更加紧凑，便于后续分析和处理；PCA 在图像特征压缩和可视化方面具有良好的应用价值。通过本次实验，加深了对 PCA 理论原理及其在图像处理领域中实际应用的理解，为后续学习其他特征提取与分析方法奠定了基础。

2026-01-09 23:01:03 411

原创支持向量机（SVM）在二维数据集上的分类与可视化

本实验通过对二维数据集进行可视化分析和 SVM 建模，完成了以下内容：1.熟悉.mat格式数据的读取方法2.掌握线性 SVM 的训练与使用3.理解惩罚参数 C 对模型的影响4.通过决策边界可视化，加深对 SVM 分类机制的理解实验结果表明，支持向量机在小规模、线性可分数据集上具有良好的分类性能，为后续研究非线性 SVM（如高斯核）奠定了基础。

2026-01-09 22:45:53 449

原创基于朴素贝叶斯分类器的西瓜品质判别实验

本实验通过朴素贝叶斯方法完成了西瓜品质分类，实现流程包括：数据整理与编码区分离散与连续特征计算先验与似然构建朴素贝叶斯分类器对新样本进行预测在特征独立性假设下，利用概率进行分类。在真实应用中，可进一步扩展为：对连续特征使用核密度估计对离散特征做编码与平滑构建多模型比较分类效果。

2025-12-11 19:24:57 319

决策树在训练时容易产生过拟合：当树无限向下分裂时，会过度学习训练数据中的噪声或偶然特征，导致测试集表现变差。max_depth—— 限制树的最大深度—— 每个节点必须至少有多少样本才能继续划分—— 叶子节点的最小样本量—— 限制叶子节点数量提前停止策略—— 若继续划分不能提升验证集准确率，则停止划分预剪枝的思想：在节点划分前就评估该划分是否有意义，如果不能提升泛化能力，则不继续分裂。避免过拟合：通过限制深度、最小样本量等方式，使模型不至于“过度学习”数据中的偶然特征。提升泛化能力。

2025-11-27 20:03:46 636

原创基于决策树的“数据集生成 → 剪枝（预剪枝 / 后剪枝）”实验

本文目标：用一份小型示例数据，演示如何构造决策树（ID3 风格，基于信息增益），使用（pre-pruning）和用验证集/测试集评估并对比效果。

2025-11-27 19:42:02 665

原创 Python KNN 分类器实现与文件自动定位——学习笔记

本次作业使用的数据包含用户“飞行里程、游戏时间、冰激凌摄入量”等三列特征，用 KNN 对用户喜好进行分类。，并优化了文件读取逻辑，使脚本无论在哪个工作目录都能正常运行。这样，无论在终端、VSCode 或 Notebook，都可以顺利读取数据。不仅实现算法，还处理了实际问题（文件路径、归一化、测试划分），加深理解。结果显示 KNN 能较准确地对用户喜好进行分类，同时代码兼容性也提升了。文件路径问题是初学者容易忽略的小坑，通过自动定位文件，代码更健壮。涉及数据预处理、距离计算、分类逻辑，是练手好例子。

2025-10-19 16:53:54 256

2401_87830316的博客

原创基于主成分分析（PCA）的图像特征降维实验

原创支持向量机（SVM）在二维数据集上的分类与可视化

原创基于朴素贝叶斯分类器的西瓜品质判别实验

原创基于贷款数据的决策树预剪枝实验

原创基于决策树的“数据集生成 → 剪枝（预剪枝 / 后剪枝）”实验

原创 Python KNN 分类器实现与文件自动定位——学习笔记

原创 Windows 上安装 Anaconda 教程

原创 C++：类与对象

原创 C++学习指南：从基础到实战

空空如也

空空如也