- 博客(7)
- 收藏
- 关注
RSS订阅原创 支持向量机
SVM 需要带标签（类别）的数据进行训练。其基本形式用于区分两个类别。虽然决策边界在原始输入空间可能是非线性的（通过核技巧），但在变换后的高维特征空间中，它是一个线性决策边界（超平面）。所以称之为“广义线性”。这是SVM最核心的思想。它的目标不是简单地找一个能分开数据的超平面，而是找那个能最大化两个类别最近数据点（支持向量）到该超平面距离（间隔）的超平面。这个最大间隔被认为是泛化能力最好的。
2025-06-02 21:08:40
641
原创 逻辑回归算法
通过本次实验，我们完整实现了逻辑回归算法的训练过程，深入理解了梯度下降/上升等优化算法在参数求解中的应用。实验结果表明：1.学习率显著影响模型收敛速度和稳定性2.特征标准化可提升算法收敛效率3.适当的正则化能有效防止过拟合4.不同优化算法在不同规模数据集上表现各异逻辑回归作为基础分类算法，其实现过程中蕴含的优化思想对理解更复杂的机器学习模型具有重要启示作用。
2025-05-20 19:54:21
342
原创 贝叶斯分类
贝叶斯算法是一种基于概率统计理论的分类方法，它通过分析样本的先验概率和特征条件概率来推断其所属类别。该算法的核心在于利用已知的训练数据建立概率模型，通过贝叶斯定理计算后验概率分布，进而实现对未知样本的类别预测。作为一种典型的生成式模型，贝叶斯算法因其计算高效、理论基础坚实等特点，被广泛应用于文本分类、垃圾邮件过滤、情感分析等机器学习与自然语言处理任务中，同时在医疗诊断、推荐系统等领域也展现出良好的应用价值。
2025-04-28 00:00:00
403
原创 决策树算法
本次决策树实验基于ID3算法完整实现了从数据预处理、特征选择到模型构建与评估的全流程。通过信息增益计算，算法准确识别出"有房"（增益0.438）和"有工作"（增益0.881）作为关键决策特征，构建的简洁双层决策树在训练集和测试集均达到100%准确率。本次实验让我认识到，虽然决策树算法原理简单，但要构建一个鲁棒性强、泛化能力好的模型，仍需在特征工程、参数调优等方面下功夫。特别是在处理实际业务问题时，必须结合领域知识来理解和优化模型。这些经验对我后续学习更复杂的机器学习算法奠定了良好基础。
2025-04-21 21:12:49
773
原创 k-近邻算法
kNN 算法是一种 “懒惰学习” 算法，依赖数据质量和参数调优。虽计算成本高，但因其直观性和易用性，仍是分类和回归任务的常用基线方法。推荐的应用场景有系统、图像识别、医疗诊断、欺诈检测等。
2025-03-24 15:36:07
1039
原创 Anaconda安装以及环境配置教程
前面一直选择next，点击just me是为当前用户安装，选择all users需要管理员的权限。3.点击下载即可下载最新版，但是官网下载的慢，所以推荐下一步用清华大学开源软件镜像站下载。新建五个变量进去（将下面五个变量结合你的anaconda实际安装目录来更改写入）第二个选项：将Anaconda3注册为我的默认Python 3.12。点击“开始”，搜索“环境”，打开“编辑系统环境变量”第一个选项：创建快捷方式（仅支持已安装的包）。选择安装的位置，选择好之后，点击next。选择符合自己系统的安装包下载。
2025-03-04 19:09:51
1761
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