- 博客(13)
- 收藏
- 关注
RSS订阅原创 决策树中指标比较
在机器学习的众多算法中，决策树以其直观的特性和易于理解的决策过程而备受青睐。作为决策树构建的核心，分裂准则的选择直接影响模型的结构与性能。本文将深入探讨两种主流分裂准则——基尼指数（Gini Index）与信息增益（Information Gain），通过理论解析、公式推导及实验对比，揭示二者的核心差异、适用场景及工程实践要点。
2025-11-12 19:33:07
868
原创 【机器学习】手写 KNN 的原理精讲：从“约会对象”到 ROC/PR 的评估视角
ROC曲线和PR曲线是评估机器学习模型性能关键可视化工具，它们从不同维度提供了模型表现的完整画像。ROC曲线通过描绘真阳性率(TPR)与假阳性率(FPR)的权衡关系，能直观展示模型在各种决策阈值下的区分能力，尤其适合评估类别平衡的数据集，其下方面积(AUC)作为单一指标能够全面反映模型性能，不受阈值选择的影响。PR曲线则关注精确率与召回率的平衡，特别适用于类别不平衡数据集的评估，能有效避免大量负例导致的性能误判，通过可视化模型在保持高精确率同时提高召回率的能力，帮助我们选择最适合特定业务需求的决策阈值。
2025-10-21 13:30:31
981
原创 pta---找鞍点
原题如下：一个矩阵元素的“鞍点”是指该位置上的元素值在该行上最大、在该列上最小。本题要求编写程序，求一个给定的n阶方阵的鞍点。
2025-04-29 19:44:26
405
原创 线索化 二叉树
在学习线索化的过程中，我发现其实概念很好理解，就是有个多个左右标签来记录是否有指向前驱和后继的指针，但是在代码的实现过程中，我被搞蒙了，写下这篇文章来理清思路。说实话，代码解释真是比概念理解难多了，但是上课多半不会讲（反正我们从不讲），就导致很难一下看懂，所以要静下心认真去看，去理解。关于线索化的过程，最关键的就是他是先处理前驱，在进入下个节点时，才会处理上个节点的后继（即现在的节点）。中序：先一直找到最左的节点，然后找到这个节点的下个节点（要么为右孩子，要么为后继）为当前节点，记录上一次访问的节点。
2025-04-24 21:53:59
375
原创 并查集的使用
当然官方些就是：并查集是一种用于管理元素所属集合的数据结构，实现为一个森林，其中每棵树表示一个集合，树中的节点表示对应集合中的元素。所谓并查集，在我看来就是把有相同属性的归为一个集合，可以更方便的去处理元素间连接关系。2.find 函数，主要用于找到该元素的父亲，这里使用路径压缩后的find。1.初始化，p[]数组为父数组，把p中每个元素的父亲设为它本身。我这里更多是总结，这篇文章中有更详细的介绍。本文主要介绍本人在使用并查集的一些心得。3.join函数，主要用于元素的连接。
2025-04-15 15:15:37
358
原创 二分查找思考
找到的第一个>=5的数字 lower_bound() 第一个5。找到的最后一个<=的数字 upper_bound() 最后一个5。找到的最后一个<5的数字 lower_bound()-1 3。2.right，left的更新是否加1，减一，主要看区间的开闭。找到的第一个>5的数字 upper_bound() 8。1.while判断条件，加不加等号，是否能跳出循环。此时while条件中加等号，因为等号有意义。且是闭区间，要加一，减一。因为右开，此时右不减一。
2025-04-09 21:08:12
248
原创 1.简单数字识别--配置项目环境到运行环境得出结果的简单全流程
因为如果在本地下，会导致包依赖冲突，numpy版本不对等问题，很难受（下的还慢，还不能用）这是错误的体验。来下载（记得要管理员模式下），但在校园下我次次失败就是了）说实话配环境确实是一个废人的工作，尤其是在校园网下。接着解压文件，在pycharm中打开文件，然后。首先前往GitHub下载项目到本地，网址如下。好的，使用虚拟环境，我们先在终端输入。（当然也可以在命令行中输入。接着 在环境中下载项目依赖。如果网络问题就用镜像。
2025-04-08 15:17:36
382
原创 Opencv的简单使用（2）
这里是代码实现，详细的看注释，显示依旧按照前文中的方法，写了一个show函数。这是介绍函数实现的功能，图片选的就是lena这张经典的图。本文章主要介绍一些opencv中的简单函数。
2025-04-04 11:06:33
393
原创 1.简单数字识别--配置项目环境到运行环境得出结果的简单全流程
因为如果在本地下，会导致包依赖冲突，numpy版本不对等问题，很难受（下的还慢，还不能用）这是错误的体验。来下载（记得要管理员模式下），但在校园下我次次失败就是了）说实话配环境确实是一个废人的工作，尤其是在校园网下。接着解压文件，在pycharm中打开文件，然后。首先前往GitHub下载项目到本地，网址如下。好的，使用虚拟环境，我们先在终端输入。（当然也可以在命令行中输入。接着 在环境中下载项目依赖。注意：下载前要开启权限。如果网络问题就用镜像。强烈建议使用虚拟环境。
2025-03-13 21:10:51
333
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