- 博客(7)
- 收藏
- 关注
RSS订阅原创 机器学习--支持向量机
支持向量机（SVM）是一种监督学习算法，其基本原理在于寻找一个能够将不同类别的数据点有效分隔开的最优超平面。具体来说，SVM的目标是找到一个超平面，使得离该超平面最近的数据点（称为支持向量）到这个超平面的距离最大化。通过最大化分类间隔，SVM能够提供更好的泛化性能，即对新样本的分类效果更可靠。在处理非线性分类问题时，SVM利用核技巧将输入数据映射到高维特征空间，使得原本非线性可分的问题变成线性可分的问题。这样，SVM可以在高维空间中找到一个最优超平面，从而实现对不同类别数据点的有效分隔。
2024-06-11 00:43:26
918
原创 机器学习--逻辑回归
逻辑回归是一种用于解决分类问题的统计学习方法，尤其适用于二元分类（即预测结果为两个类别中的一个）的情况。尽管名字中带有“回归”，但逻辑回归实际上是一种分类算法而非回归算法。逻辑回归的思想是基于对事件发生概率的估计进行分类。它使用一种称为Sigmoid函数的特殊函数来将输入特征的线性组合转换成介于0和1之间的概率值。从而将观测样本划分到两个类别中的一个。
2024-05-28 16:19:54
665
原创 机器学习--朴素贝叶斯分类
贝叶斯公式又被称为贝叶斯规则，是概率统计中的应用所观察到的现象对有关概率分布的主观判断（先验概率）进行修正的标准方法，即在已知相关条件的情况下，一个事件的概率如何被计算。朴素贝叶斯算法是建立在贝叶斯定理的基础上的一种分类算法。朴素贝叶斯算法使用贝叶斯定理来计算给定某一类别的情况下，每个特征的条件概率，并将这些条件概率相乘得到属于某一类别的后验概率。然后，选择具有最高后验概率的类别作为预测结果。朴素贝叶斯算法中的“朴素”指的是对每个特征之间的条件独立性做出的假设。
2024-05-14 16:58:40
814
1
原创 机器学习--决策树
决策树是一种常用的机器学习算法，用于分类和回归任务。它通过一系列的决策节点将数据集划分成不同的子集，直到达到某个终止条件。每个决策节点代表一个属性测试，每个分支代表测试结果的一个可能取值，而每个叶子节点代表一个类别标签或回归值。决策树的构建过程通常采用递归分割，基于某些指标（如信息增益、基尼不纯度等）来选择最佳的属性进行分割。决策树易于理解和解释，具有很好的可解释性，但可能会过拟合训练数据。为了减少过拟合，可以通过剪枝、设置树的最大深度、最小样本拆分等方式来调节决策树模型。
2024-04-30 16:53:35
465
原创 机器学习--模型评估
模型评估是对训练好的模型性能进行评估，用于确定模型在未知数据上的表现。它可以帮助我们了解模型的泛化能力、稳健性和适用性，从而做出更好的决策并优化模型。
2024-04-16 16:17:09
1333
原创 机器学习--knn算法
KNN，即K-Nearest Neighbors（K近邻算法），是一种简单而常用的监督学习算法，用于分类和回归问题。它的基本思想是：如果一个样本在特征空间中的k个最相似（即特征空间中最近）的样本中的大多数属于某一个类别，则该样本也属于这个类别（对于分类问题），或者该样本的输出值等于这k个样本的输出值的平均值（对于回归问题）。简单直观：KNN算法非常简单直观，易于理解和实现，无需训练模型，仅需要保存训练数据集即可。适用性广泛。
2024-04-02 19:08:20
1463
1
原创 Anaconda安装教程
12.win加r输入cmd打开命令行，分别输入conda --version与python，出现conda与python的版本号则代表配置成功。10.打开系统变量，输入下方的五个环境变量（根据你自己的安装路径找到对应的文件夹，将其路径粘贴到新建的环境变量中） 清华镜像网站。2.点击下载好的安装包，点击next。1.下载Anaconda，官方地址。8.安装完成，接下来手动配置环境。14.出现此界面则安装成功。3.点击i agree。
2024-03-18 18:27:54
395
2
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