- 博客(7)
- 收藏
- 关注
RSS订阅原创 svm垃圾邮件分类系统
支持向量机是一种二分类模型，其基本模型定义为特征空间上间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。通过上述步骤，我们成功地使用 SVM 建立了一个垃圾邮件过滤器。从 SVM 的原理出发，经过数据处理、特征提取、模型训练和评估，该过滤器能够对给定的电子邮件进行分类，判断其是否为垃圾邮件。然而，本次实验仍有改进的空间。例如，可以进一步优化 SVM 的参数选择，尝试更多不同的核函数和参数组合；
2025-06-02 19:21:45
2024
原创 逻辑回归模型
本文围绕储存在test.txt中的数据点，详细介绍了如何使用 Python 结合梯度上升法实现逻辑回归模型。从数据读取与预处理，到模型训练和预测，每一个步骤都进行了清晰的代码展示与原理说明。通过这种方式，我们不仅掌握了逻辑回归模型的实现过程，也加深了对梯度上升法这一优化算法的理解。在实际机器学习项目中，可根据具体需求对代码进行进一步的优化和扩展，例如调整超参数、处理更复杂的数据格式等。希望本文能为你在逻辑回归模型的实践应用中提供有价值的参考。
2025-05-19 20:52:53
1608
原创 用朴素贝叶斯分类器判断西瓜好坏
我们手头有一份西瓜数据集（参考第一张图片内容），它包含了西瓜的多个特征信息，如色泽、根蒂、敲声、纹理、脐部、触感、密度、含糖率，以及最重要的标签 —— 是否为好瓜。同时，还有一个测试样本，我们的任务就是利用朴素贝叶斯分类器，根据已有数据集来判断这个测试样本是好瓜还是坏瓜。通过上述代码，我们成功地利用朴素贝叶斯分类器对测试西瓜样本进行了好坏判断。在实际应用中，朴素贝叶斯分类器在文本分类、垃圾邮件过滤、情感分析等众多领域都有着广泛的应用。当然，本文的实现过程中对于连续型特征的处理进行了简化。
2025-05-05 19:23:21
1025
原创 决策树id3和cart
一.决策树组成决策树由结点和有向边组成。结点有两种类型：内部结点（圆）和叶结点（矩形）。其中，内部结点表示一个特征（属性）；叶结点表示一个类别。而有向边则对应其所属内部结点的可选项（属性的取值范围）。在用决策树进行分类时，首先从根结点出发，对实例在该结点的对应属性进行测试，接着会根据测试结果，将实例分配到其子结点；然后，在子结点继续执行这一流程，如此递归地对实例进行测试并分配，直至到达叶结点；最终，该实例将被分类到叶结点所指示的结果中。
2025-04-21 19:35:13
1763
原创 knn算法分类模型评估
通过选择合适的阈值，比如50%，对样本进行划分，概率大于50%的就认为是正例，小于50%的就是负例,从而计算相应的精准率和召回率。PR曲线是以precision（精准率）和recall（召回率）这两个为变量而做出的曲线，其中recall为横坐标，precision为纵坐标。2：ROC曲线主要应用于测试集中的样本分布的较为均匀的情况，且当测试集中的正负样本的分布变化的时候，ROC曲线能够保持不变。4：当正负样本比例失调时，ROC曲线变化不大，此时用PR曲线更加能反映出分类器性能的好坏。
2025-04-07 18:41:55
859
原创 k近邻算法实例
print("第", index, "行得到的列表", returnMat[index, :]) 8.326976e+00 9.539520e-01]# tile(a,reps): a :要复制的值 reps：复制的次数 本次案例中 （m,1） m:复制m行 1:复制1列。该网站现在需要尽可能向海伦推荐她喜欢的人，需要我们设计一个分类器，根据用户的以上三种特征，识别出是否该向海伦推荐。print("\t分割后的列表:", listFromLine)plt.ylabel("每周消费冰激凌数")
2025-03-24 21:36:44
611
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