<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Roy00oooo1的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Roy00oooo1</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Roy00oooo1]]></copyright><item><title><![CDATA[【数模比赛必备：机器学习系列SVM分类模型——从线性决策边界到评估指标（附代码）】]]></title><link>https://blog.youkuaiyun.com/Roy00oooo1/article/details/147962453</link><guid>https://blog.youkuaiyun.com/Roy00oooo1/article/details/147962453</guid><author>Roy00oooo1</author><pubDate>Sun, 18 May 2025 10:10:56 +0800</pubDate><description><![CDATA[本文聚焦支持向量机（SVM）二分类模型，介绍其核心原理与应用。SVM通过寻找最优超平面最大化分类间隔，优化目标为最小化模型复杂度。文中演示了线性决策边界构建流程，针对类别不平衡问题，通过设置`class_weight`参数为少数类赋予更高权重，调整决策边界以提升少数类分类效果。还详解了精确度、召回率、特异度等评估指标及ROC曲线的作用与解读方法，附可复现代码助力搭建SVC建模流程。]]></description><category></category></item><item><title><![CDATA[【数模比赛必备：机器学习系列——SVR预测模型实战指南（附代码）】]]></title><link>https://blog.youkuaiyun.com/Roy00oooo1/article/details/147896335</link><guid>https://blog.youkuaiyun.com/Roy00oooo1/article/details/147896335</guid><author>Roy00oooo1</author><pubDate>Tue, 13 May 2025 09:46:41 +0800</pubDate><description><![CDATA[本文介绍了支持向量回归（SVR）的完整建模流程，并以洪水概率预测为例，详细阐述了从数据预处理到模型评估的全过程。SVR凭借其在小样本、高维度数据中的优异表现，成为竞赛中的重要工具。文章首先简要介绍了SVR的核心原理，包括ε-不敏感带、核技巧和结构风险最小化。随后，通过实际案例展示了数据预处理、模型构建、模型评估等关键步骤，并提供了可复现的代码。本文旨在为读者提供一套完整的SVR建模解决方案，助力竞赛实战。]]></description><category></category></item><item><title><![CDATA[【数模比赛必备：机器学习系列——XGBoost预测模型实战指南（附代码）】]]></title><link>https://blog.youkuaiyun.com/Roy00oooo1/article/details/147617029</link><guid>https://blog.youkuaiyun.com/Roy00oooo1/article/details/147617029</guid><author>Roy00oooo1</author><pubDate>Wed, 30 Apr 2025 15:16:25 +0800</pubDate><description><![CDATA[本文聚焦数模比赛中XGBoost回归模型实战，涵盖环境配置、数据划分、3行核心代码训练预测、K折交叉验证及单参数学习曲线调优，提供糖尿病数据集完整可复现代码，助力新手快速掌握模型评估（R²、MSE）与调优技巧，规避复杂原理，直达实战提效。]]></description><category></category></item></channel></rss>