机器学习
关注
分享
扫一扫
文章平均质量分 86
机器学习部分致力于介绍通用模型的概念及其应用。通用模型作为机器学习的核心，能够在多种任务中实现有效学习，提升了算法的适应性和效率。
关注本公众号，与我们一起在机器学习的前沿探索中不断进步！
rain雨雨编程
欢迎关注我们的博客！在这里，我们将为您开启一扇通往技术世界的大门，定期分享关于爬虫技术、机器学习的前沿探索、Java编程的实用技巧以及数学的奇妙奥秘。
欢迎关注我的公众号：【rain雨雨编程】
展开
-
特征选择：机器学习中的隐藏英雄
特征选择是机器学习中的一项重要任务，它涉及从原始特征集中选择最相关特征的过程。特征选择的目的是提高模型的性能，减少计算复杂度，并提供更好的可解释性。原创 2024-11-06 09:00:00 · 681 阅读 · 0 评论 -
提升机器学习性能：标准化和归一化的必要性
特征缩放是数据预处理的一个重要步骤，它影响许多机器学习模型的性能，尤其是那些基于距离的算法，如K-近邻和K-均值聚类。特征缩放包括两种常见的方法：标准化（Standardization）和归一化（Normalization）。原创 2024-11-05 19:40:39 · 1289 阅读 · 0 评论 -
深入探索机器学习：从理论到实践
机器学习是数据科学的核心，它不仅仅是关于构建和训练模型，还包括将业务问题转化为数据问题，以及数据的收集、理解和处理。本文将带你了解机器学习的基本概念，包括模型的构建、过拟合与欠拟合的问题，以及如何评估模型的性能。原创 2024-10-30 10:25:05 · 813 阅读 · 0 评论 -
机器学习---（13）决策树
决策树是一种广泛应用于分类和回归任务的监督学习算法。它通过将数据分成多个分支，从而形成一个树形结构，以便进行决策。这种方法易于理解和解释，是机器学习中一种重要的基础模型。原创 2024-10-30 09:00:00 · 1014 阅读 · 0 评论 -
机器学习---（12）随机森林
随机森林（Random Forest）是一种集成学习方法，它通过构建多个决策树并将它们的结果进行汇总来提高分类或回归的准确性和鲁棒性。随机森林在训练时引入了随机性，以实现决策树之间的多样性。原创 2024-10-29 09:00:00 · 1074 阅读 · 0 评论 -
机器学习---（11）梯度提升
梯度提升（Gradient Boosting）是一种强大的集成学习算法，用于回归和分类问题。它通过迭代训练决策树来最小化损失函数，每棵树试图修正前一棵树的错误。原创 2024-10-28 17:29:26 · 1602 阅读 · 0 评论 -
机器学习---（10）多元回归
多元回归（Multiple Regression）是统计学中的一种方法，用于研究一个因变量（依赖变量）如何依赖于多个自变量（独立变量）的回归分析。与简单线性回归相比，多元回归可以同时考虑多个解释变量对响应变量的影响。原创 2024-10-27 16:11:07 · 1312 阅读 · 0 评论 -
机器学习---（9）k-均值聚类
K-means 是一种简单且广泛使用的聚类算法，其目的是将数据集中的样本划分为 K 个聚类，使得每个样本都属于最近的均值（即聚类中心）所代表的聚类。该算法的目标是最小化所有样本到其聚类中心的距离平方和，这也被称为惯性（inertia）。原创 2024-10-27 08:49:04 · 807 阅读 · 0 评论 -
数据变换技术---主成分分析
主成分分析（PCA）是一种统计方法，用于通过正交变换将一组可能相关的变量转换为一组线性不相关的变量值，称为主成分。PCA通常用于降维，即在尽可能保留原始数据集信息的前提下，将数据集的维度减少。原创 2024-10-26 21:54:53 · 1048 阅读 · 0 评论 -
机器学习---（7）朴素贝叶斯
朴素贝叶斯（Naive Bayes）分类器是基于贝叶斯定理的一种简单概率分类器。它假设各特征之间相互独立，这一假设被称为“朴素”的假设。朴素贝叶斯分类器广泛应用于文本分类、垃圾邮件检测等领域。原创 2024-10-26 10:03:59 · 620 阅读 · 0 评论 -
机器学习---（6）支持向量机
支持向量机是一种非参数化模型，用于分类和回归分析。它与参数化模型不同，因为它不假设数据的分布形式。SVM通过寻找一个超平面来区分不同的类别，同时最大化数据点到这个超平面的最小距离（间隔）原创 2024-10-26 09:15:30 · 1355 阅读 · 0 评论 -
机器学习---（4）逻辑斯谛回归
逻辑回归是一个强大且易于理解的分类模型，适合用于二分类问题并可以扩展到多分类。通过对其基本原理、公式和实现的深入理解，可以帮助数据科学家和研究人员在实际应用中更好地构建预测模型。原创 2024-10-25 10:21:48 · 792 阅读 · 0 评论 -
机器学习---（5） 线性回归
本文详细总结了线性回归的知识点，包括其原理、实现方法、代码实现以及梯度下降算法的应用。原创 2024-10-22 09:00:27 · 923 阅读 · 0 评论 -
机器学习---（3） k近邻算法（KNN）
本文详细总结了`KNN算法`的知识点，包括其原理、在分类和回归任务中的应用，以及如何使用`scikit-learn库`来实现KNN算法。原创 2024-10-22 09:00:00 · 210 阅读 · 0 评论 -
机器学习---（2） 机器学习的数学基础
本文介绍了机器学习中常用的数学工具，包括向量、矩阵、梯度和凸函数等概念。这些工具有助于优化模型、分析模型性能，是机器学习的理论基础。原创 2024-10-22 08:45:00 · 842 阅读 · 0 评论 -
机器学习---（1）初探机器学习
本文介绍了机器学习在人工智能领域的位置，模型分类，泛化能力的本质，归纳偏置的影响，以及机器学习的限制。原创 2024-10-22 08:59:51 · 345 阅读 · 0 评论