机器学习
关注
分享
扫一扫
文章平均质量分 95
小牛壮士
人工智能学习笔记，供参考
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
K_Means算法与DBSCAN算法的工作流程与代码复现
本篇文章我们来讲讲无监督学习中，用于聚类的K_Means算法与DBSCAN算法。原创 2025-05-05 14:54:51 · 590 阅读 · 0 评论 -
逻辑回归理论以及代码复现
在上一系列文章我们讲了线性回归的相关知识，回归和分类是机器学习中两种核心的任务类型，它们的根本区别在于目标变量的性质。本系列文章主要来讲讲如何应用逻辑回归来对数据进行分类。原创 2025-05-02 21:38:32 · 806 阅读 · 0 评论 -
模型评估方法
这一篇文章我们基于随机梯度下降分类器（一种线性分类器）来讲讲如何对模型准确度进行评估，涉及到交叉验证，混淆矩阵以及ROC曲线等内容。原创 2025-05-02 17:22:22 · 2336 阅读 · 0 评论 -
线性回归（二）：三种梯度下降法对比以及如何通过正则化解决过拟合问题
上一篇文章讲了线性回归的基础理论以及sklearn库底层代码实现，这一篇文章我们来讲讲对于不同的梯度下降法，模型参数的更新效果有什么不同，这里列出了批量梯度下降法，随机梯度下降法和小批量梯度下降法三种，并且在文章的最后，还介绍了多项式回归以及如何通过岭回归对数据进行正则化从而降低模型过拟合风险。原创 2025-05-01 16:08:54 · 1063 阅读 · 0 评论 -
线性回归（一）：线性回归理论以及代码复现
本文主要是讲了线性回归的一些简单的必备的理论，以及sklearn中线性回归库的底层代码复现，水平有限，不喜勿喷！原创 2025-04-28 15:47:24 · 2117 阅读 · 0 评论