theworld666的博客

机器学习05：SVM支持向量机的学习和应用SVM解决猫狗图像分类问题文章目录机器学习05：SVM支持向量机的学习和应用SVM解决猫狗图像分类问题前言1.从二维线性模型说起2. 如何求解SVM的相关变量3.数据集介绍4. 数据集处理5.使用SVM解决图像分类问题并统计平均错误率结语前言svm作为深度学习提出前曾经风靡一段时间的机器学习方法，广泛被应用在数据分类，数据处理上。它以巧妙的算法（巧妙到对我来说真的有点复杂了????????????。。。），速度快，分类正确率高而著称。我们本篇博客则重点介绍sv

机器学习04：利用朴素贝叶斯判别网络评论的情绪好坏（航空公司数据集）文章目录机器学习04：利用朴素贝叶斯判别网络评论的情绪好坏（航空公司数据集）前言1.算法理论分析1.1贝叶斯公式1.2 朴素贝叶斯分类器（Naïve Bayes Classifie）1.3 词集模型和词袋模型1.3.1词集模型1.3.2 词袋模型1.4 拉普拉斯修正1.5 使用对数运算防止下溢出2. 数据集预处理3.朴素贝叶斯算法代码4.测试并评估结果结语前言在机器学习中许多分类算法通过一系列决策属性，边界（决策树，kNN算法，支撑向

机器学习03：使用logistic回归方法解决猫狗分类问题文章目录机器学习03：使用logistic回归方法解决猫狗分类问题前言1. Logistic回归原理1.1 从线性回归说起1.2 多元线性回归问题1.3 对数线性回归2.本次实验数据集介绍3.数据处理方式4.logistic回归方法随机梯度下降方法5.结语前言Logistic回归方法，是最经典的机器学习方法。即使在今天，深度学习神经网络，他的算法核心也依旧包含logistic回归思想。在本篇博客中我会详细介绍他的算法原理，以及使用随机梯度下降法

机器学习03：决策树的学习以及应用决策树解决Cora数据集论文分类问题文章目录机器学习03：决策树的学习以及应用决策树解决Cora数据集论文分类问题1.前言2.算法分析2.1算法概述2.2 算法优化3.算法代码3.1 决策属性优先级选择3.1.1 信息熵3.2.2 信息增益率3.3.3 基尼系数3.2 数据集的预处理3.3 决策树的生成3.4 决策树的分类4.算法运行与评估4.1 使用信息增益来划分数据集4.2 使用信息增益率划分数据4.3 使用基尼指数划分数据5.结语1.前言决策树方法作为非常经典的

机器学习算法学习01：利用Numpy编写KNN算法解决手写体数字识别问题前言在深度学习未彻底被大众接受前，人们对人工智能的研究是企图研究出一系列巧妙的算法解决相关计算机视觉问题，这里面涌现了无数令人叹为观止的算法（随机森林，遗传算法，SVM，马尔科夫链，KNN等）即使在深度学习逐渐占据解决计算机视觉人工智能问题的算法的今天，不可否认，依旧有许多深度学习算法吸收了这些传统算法的思想，从而来进行改进，所以学习这些传统算法也是非常有必要的????????????。本次我们介绍的是如何利用numpy库来构造KN