<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[fjstjsjg的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/fjstjsjg</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; fjstjsjg]]></copyright><item><title><![CDATA[PCA主成分分析法]]></title><link>https://blog.youkuaiyun.com/fjstjsjg/article/details/139778018</link><guid>https://blog.youkuaiyun.com/fjstjsjg/article/details/139778018</guid><author>fjstjsjg</author><pubDate>Tue, 18 Jun 2024 17:09:05 +0800</pubDate><description><![CDATA[主成分分析（Principal Component Analysis，PCA）是一种常用的降维技术，用于发现数据中的主要特征并减少数据的维度。通过PCA，我们可以将高维数据转换为低维空间，同时保留数据中最重要的信息。在实际应用中，PCA常用于数据压缩、特征提取、可视化和去噪等领域。它是一种强大的工具，可以帮助我们更好地理解和处理高维数据集。主成分分析（PCA, Principal Component Analysis）是一种广泛使用的降维技术。]]></description><category></category></item><item><title><![CDATA[支持向量机SVM——简单实例应用]]></title><link>https://blog.youkuaiyun.com/fjstjsjg/article/details/139584513</link><guid>https://blog.youkuaiyun.com/fjstjsjg/article/details/139584513</guid><author>fjstjsjg</author><pubDate>Tue, 11 Jun 2024 13:10:45 +0800</pubDate><description><![CDATA[例如：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。提示：以下是本篇文章正文内容，下面案例可供参考支持向量机（Support Vector Machine，SVM）是一种常见的监督学习算法，用于分类和回归任务。SVM的目标是构建一个能够将不同类别的数据点尽可能正确地分隔开的决策边界。核函数是支持向量机（SVM）中的一种技术，用于将数据从原始特征空间映射到另一个高维特征空间。]]></description><category></category></item><item><title><![CDATA[逻辑回归原理及应用]]></title><link>https://blog.youkuaiyun.com/fjstjsjg/article/details/139297191</link><guid>https://blog.youkuaiyun.com/fjstjsjg/article/details/139297191</guid><author>fjstjsjg</author><pubDate>Wed, 29 May 2024 16:42:20 +0800</pubDate><description><![CDATA[逻辑回归（Logistic Regression）是一种常用的机器学习算法，用于解决分类问题。尽管名字中带有"回归"一词，但逻辑回归实际上是一种分类算法，用于预测实例属于某个类别的概率。在本篇博客中，我们将深入探讨逻辑回归算法的原理、实现和应用。逻辑回归是一种用于解决二分类问题的线性模型。与线性回归不同，逻辑回归不是直接预测数值，而是预测某个实例属于某个类别的概率。通常情况下，逻辑回归的输出值在0到1之间，可以看作是对正类别的预测概率。]]></description><category></category></item><item><title><![CDATA[朴素贝叶斯——在西瓜数据集上的应用]]></title><link>https://blog.youkuaiyun.com/fjstjsjg/article/details/138871277</link><guid>https://blog.youkuaiyun.com/fjstjsjg/article/details/138871277</guid><author>fjstjsjg</author><pubDate>Tue, 14 May 2024 22:40:59 +0800</pubDate><description><![CDATA[朴素贝叶斯分类是一种基于贝叶斯定理和特征条件独立假设的监督学习分类算。它广泛应用于文本分类、垃圾邮件过滤、情感分析等领域。本文将通过一个简单的西瓜数据集为例，介绍朴素贝叶斯分类算法的基本原理和实现过程。]]></description><category></category></item><item><title><![CDATA[机器学习决策树——ID3与C4..5]]></title><link>https://blog.youkuaiyun.com/fjstjsjg/article/details/138327733</link><guid>https://blog.youkuaiyun.com/fjstjsjg/article/details/138327733</guid><author>fjstjsjg</author><pubDate>Mon, 29 Apr 2024 22:51:54 +0800</pubDate><description><![CDATA[所谓决策树，顾名思义，是一种树，一种依托于策略抉择而建立起来的树。机器学习中，决策树是一个预测模型；它代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表的是某个可能的属性值，而每个叶子节点则对应根节点到该叶子节点所经历的路径所表示的对象的值。决策树仅有单一输出，若欲有复数输出，可以建立独立的决策树以处理不同的输出。ID3（Iterative Dichotomiser 3）是一种经典的决策树算法，用于解决分类问题。它是由Ross Quinlan在1986年提出的。]]></description><category></category></item><item><title><![CDATA[机器学习模型评估（性能度量）——KNN模型的PR和ROC曲线绘制]]></title><link>https://blog.youkuaiyun.com/fjstjsjg/article/details/137792019</link><guid>https://blog.youkuaiyun.com/fjstjsjg/article/details/137792019</guid><author>fjstjsjg</author><pubDate>Mon, 15 Apr 2024 20:39:32 +0800</pubDate><description><![CDATA[模型评估是对训练好的模型性能进行评估, 模型评估是模型开发过程不可或缺的一部分。它有助于发现表达数据的最佳模型和所选模型将来工作的性能如何。]]></description><category></category></item><item><title><![CDATA[KNN算法介绍及约会网站实例]]></title><link>https://blog.youkuaiyun.com/fjstjsjg/article/details/137201971</link><guid>https://blog.youkuaiyun.com/fjstjsjg/article/details/137201971</guid><author>fjstjsjg</author><pubDate>Mon, 01 Apr 2024 20:52:59 +0800</pubDate><description><![CDATA[本文介绍了KNN算法以及约会网站实例]]></description><category></category></item><item><title><![CDATA[Anaconda3的下载与安装]]></title><link>https://blog.youkuaiyun.com/fjstjsjg/article/details/136820737</link><guid>https://blog.youkuaiyun.com/fjstjsjg/article/details/136820737</guid><author>fjstjsjg</author><pubDate>Tue, 19 Mar 2024 16:15:40 +0800</pubDate><description><![CDATA[我的电脑是win11系统的，这里以win11系统安装Anaconda3为例，版本也是官网的2022年版本，其他的系统安装过程类似，可以照猫画虎，下面请看具体的安装过程。]]></description><category></category></item></channel></rss>