渣渣灰和古天罗-优快云博客

原创【机器学习】图像和张量的关系

张量是多维数组的一个通用术语，它可以是一维的向量、二维的矩阵，也可以是更高维度的数组。在深度学习框架中，张量通常用于表示数据集，它支持高效的数值运算。

2024-09-12 16:56:54 679

原创【机器学习】GaussianNaiveBayes算法的调参优化

Gaussian Naive Bayes (GaussianNB) 是一种朴素贝叶斯分类器，它假设特征遵循高斯（正态）分布。在 sklearn 的实现中，GaussianNB 类提供了几个可调参数，虽然相对较少，但是仍然有一些选项可以帮助你微调模型的行为。priors: 类别先验概率的数组，形状为 [n_classes]。如果未设置（默认为 None），则类别先验概率将根据训练数据中的类频率自动计算。你可以设置这个参数来指定先验概率，这在某些情况下可能会有所帮助，例如当你的训练数据不是完全平衡的时候。

2024-08-31 11:55:30 774

原创【机器学习】sklearn核心分类算法比较

提供了多种分类算法，每种算法都有其独特的特性和适用场景。以下是一些核心分类算法及其相互之间的关联。中，分类问题是机器学习中最常见的任务之一。

2024-08-31 10:43:38 2410

原创【机器学习】sklearn核心降维算法比较

综上所述，不同的降维算法各有侧重，它们根据不同的原则和方法来简化数据，因此即使是针对同一数据集，也会产生不同的降维结果。PCA 寻找的是数据的主要波动方向，因此得到的散点图可能会显示数据的主要趋势。使用不同的降维算法对同一个数据集进行分析时，生成的散点图分布形态之所以不同，主要是因为每种降维算法的目标、假设以及处理数据的方式各不相同。不同的算法有不同的计算复杂度，这也影响了它们在处理大数据集时的表现。PCA 和 LDA 是线性降维方法，它们试图找到一个线性的投影，使得数据在新的低维空间中有较好的表示。

2024-08-30 16:00:49 1281

weixin_41359455的博客

原创【机器学习】图像和张量的关系

原创【机器学习】GaussianNaiveBayes算法的调参优化

原创【机器学习】sklearn核心分类算法比较

原创【机器学习】sklearn核心降维算法比较

原创【机器学习】scikit-learn 中处理降维问题的算法及其相互关系

原创【机器学习】深入了解. 降维算法

原创【机器学习】机器学习可以解决什么问题

原创【机器学习】分类与聚类的主要区别

原创【机器学习】机器学习应对的数学问题类型

原创【机器学习】机器学习是什么

原创【机器学习】sklearn的主要模块及功能

原创【机器学习】sk-learn的模型选择 (sklearn.model_selection) 可以做什么？

原创【机器学习】sk-learn概述

原创 C语言回调实例分享

原创 Keil多分支工程管理

原创利用MinGW32编译gtest，Win10

空空如也

空空如也