m0_73598472-优快云博客

原创主成分分析（PCA）

主成分分析（PCA，Principal Component Analysis）是一种统计技术，用于简化数据集的复杂性。它通过将数据投影到一组正交的“主成分”上来实现降维。这些主成分是数据方差最大的方向，并且彼此独立。PCA不仅减少了维度，还保留了数据中最重要的变异信息。主成分分析（PCA）是一种有效的降维技术，用于简化高维数据并揭示其主要结构。在处理鸢尾花数据集的案例中，PCA能够将四维数据降维到二维，同时保留了数据中重要的类别信息。

2024-06-18 17:59:07 2157 1

原创支持向量机（SVM）

支持向量机（Support Vector Machine，简称SVM）是一种用于分类和回归分析的监督学习模型。SVM通过在特征空间中寻找一个最佳的分离超平面，以最大化类间间隔，实现对数据的分类。

2024-06-11 18:19:31 2500

原创逻辑回归（Logistic Regression）

优点实现简单，易于理解和解释。计算代价低，训练速度快。输出结果具有概率意义，可以对不同类别的预测概率进行解释。缺点假设输入特征线性可分，对非线性数据拟合能力有限。无法处理复杂的关系，如特征之间的高阶交互作用。

2024-05-28 18:04:32 632

原创朴素贝叶斯分类器的学习及初实验

朴素贝叶斯分类器是一种简单而强大的机器学习算法，常用于文本分类、垃圾邮件过滤、情感分析等任务。它基于贝叶斯定理，假设特征之间相互独立，因此称为“朴素”。

2024-05-14 16:48:36 633 1

原创 knn算法的简单实践及分类模型评估指标（以knn算法为例）

K最近邻（K-Nearest Neighbors，简称KNN）是一种基本的分类和回归方法，它的原理简单而直观。在KNN算法中，对于一个未知样本，通过测量它与训练集中的所有样本的距离，然后选择距离最近的K个样本，根据它们的标签来确定该样本的类别。

2024-04-16 16:18:42 3557

原创 [作业]knn算法的学习和初实践

一般是通过交叉验证（将样本数据按照一定比例，拆分出训练用的数据和验证用的数据，比如6：4拆分出部分训练数据和验证数据），从选取一个较小的K值开始，不断增加K的值，然后计算验证集合的方差，最终找到一个比较合适的K值。欧几里得距离是我们在平面几何中最常用的距离计算方法，即两点之间的直线距离。中最简单的方法之一。所谓K最近邻，就是K个最近的邻居的意思，说的是每个样本都可以用它最接近的K个邻近值来代表。2.曼哈顿距离：KNN算法通常的距离测算方式为欧式距离和曼哈顿距离，相比之下欧氏距离会更常用欧式距离公式。

2024-04-02 06:32:39 301 1

原创安装Python环境

2.安装anaconda后在命令行操作安装Python。3.查询Python版本号，出现即安装成功。4·在官网下载并安装VS code。1·下载anaconda。

2024-03-11 14:02:02 331 1

m0_73598472的博客