【五分钟机器学习】笔记1

最新推荐文章于 2022-07-16 13:42:48 发布
最新推荐文章于 2022-07-16 13:42:48 发布
阅读量316 收藏 1
点赞数
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_43616639/article/details/117561907
版权
本文是五分钟机器学习笔记，介绍了线性回归、逻辑回归、KNN、KMeans、决策树、SVM和随机森林。线性回归处理线性相关数据，逻辑回归计算概率，KNN关注局部，KMeans通过距离判断相似性，决策树利用熵和信息增益选择决策条件，SVM寻找最大间距的分类超平面，随机森林则能防止过拟合。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

b站 五分钟机器学习
前言：推荐这个名叫五分钟机器学习的up主，这位大佬用非常清晰易懂的语言和动画解释了多种机器学习算法，非常适合萌新入坑。

然后废话不多说，现在稍微在这里记录一下所学，以便日后复习。

笔记1内容：线性回归、逻辑回归、KNN、KMeans、决策树、SVM、随机森林

1.线性回归——处理有线性分布关系的数据
损失函数值/平方残差和越小，线性回归模型越好；
线性回归可以有多个特征x
在这里插入图片描述

2.逻辑回归——计算事件的概率
在这里插入图片描述
在这里插入图片描述

3.K近邻算法（KNN）——环境会影响你的决策
引例：假如你周围的大多数人都在用安卓机，则你买下一台新手机时，购买安卓机的概率极有可能高于苹果机
常见例子：电影网站的推荐系统（将与你有着相似喜好的人喜欢的电影推荐给你）
找出k个样本点中哪一类样本点最多，就给这个未知类别的样本点归为哪一类样本点

最低0.47元/天 解锁文章
每天五分钟机器学习：取代我们的不是AI，而是掌握AI的人
huanfeng_AI的博客
06-19 473
综上所述，机器学习时代的到来并没有取代人类，而是强调了人类的重要性。在这个时代，掌握机器学习技术的人才是最有价值的，他们可以通过收集和整理数据、设计和优化算法、以及做出判断和决策，来帮助机器不断地学习和进步，从而实现更加智能和高效的表现。目前人工智能技术正在蓬勃发展，处于人工智能大浪潮中，一定大有可为，目前的人工智能属于弱人工智能，将来一定会朝着强人工智能进行发展，会给整个人类社会创造巨大的价值。
机器学习c12笔记：SVM学习与SVM,逻辑回归和kNN比较
陈陈的专栏
04-18 1万+
SVM摘自百度百科 参考书籍:机器学习实用案例解析SVM原理SVM方法是通过一个非线性映射p，把样本空间映射到一个高维乃至无穷维的特征空间中（Hilbert空间），使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题．简单地说，就是升维和线性化．升维，就是把样本向高维空间做映射，一般情况下这会增加计算的复杂性，甚至会引起“维数灾难”，因而人们很少问津．但是作为分类、回归等问题来
5分钟就能轻松入门的机器学习基础知识
weixin_43373042的博客
07-16 228
机器学习定义机器学习（Machine Learning）本质上就是让计算机自己在数据中学习规律，并根据所得到的规律对未来数据进行预测。机器学习包括如聚类、分类、决策树、贝叶斯、神经网络、深度学习（Deep Learning）等算法。机器学习的基本思路是模仿人类学习行为的过程，如我们在现实中的新问题一般是通过经验归纳，总结规律，从而预测未来的过程。机器学习的基本过程如下：机...
机器学习分类_「五分钟机器学习」《机器学习算法的几大分类》
weixin_39661405的博客
12-15 182
大家好，我是爱讲故事的某某某。 欢迎来到今天的【五分钟机器学习】专栏内容 --《机器学习算法的几大分类》 今天的内容将继续填之前视频中埋下的坑，还没有看过的小伙伴欢迎去补番：【五分钟机器学习】我眼中的机器学习https://www.ixigua.com/i6845675408596140551/?logTag=gt5PNIdUJcMQc98wI0mGV=======================...
Python高级--逻辑回归、KNN回归比较
PyRookie
08-18 6045
逻辑斯蒂回归、sklean自带数字图片load_digits()、产生数据集make_blobs 坐标扁平化、取画布上的所有点、指定散点图点的颜色
林轩田-吴恩达机器学习笔记.pdf
09-22
林轩田和吴恩达的《机器学习基石》课程笔记详细地涵盖了机器学习领域的基础理论和核心概念。林轩田在课程中细致地讲解了机器学习中的关键问题，包括学习问题的本质、如何对Yes-No问题进行学习、不同类型的学习方法、...
2022吴恩达机器学习笔记汇总(共10章节).zip
12-27
2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip...
2025最新吴恩达机器学习笔记
最新发布
04-14
在2025年发布的吴恩达机器学习笔记中，我们可以看到关于机器学习基础、监督学习和非监督学习、线性回归、逻辑回归、过拟合、高级学习算法等核心概念的深入讲解。 监督学习是机器学习的一种方式，其中包括回归算法和...
西瓜书机器学习的学习笔记（十分详细）
06-10
学习了机器学习的基础以及相关理论，颇有收获，并做了相关笔记，对于机器学习有了更为深入的理解，为以后的学习以及研究打下基础。 主要内容包含以下相关主题： - 模型的评估与选择 - 神经网络 - 支持向量机 - ...
黑马python机器学习入门笔记
08-21
《黑马Python机器学习入门笔记》是一份针对初学者编写的指南，旨在帮助读者掌握Python语言在机器学习领域的基本应用。这份笔记将带你踏入这个充满无限可能的领域，通过Python这门易学且强大的编程语言，开启你的数据...
机器学习 逻辑回归和knn
qq_43573040的博客
04-02 2374
逻辑回归 逻辑回归是在分类问题中预测离散的值。 假说表示 逻辑回归模型的假设是： ℎ
机器学习十大算法实现代码汇总（python）----线性回归、逻辑回归、决策树、支持向量机、朴素贝叶斯、K邻近算法、K-均值算法、随机森林、降低维度算法、梯度增强算法
weixin_43580130的博客
08-06 4740
目录引入一、线性回归 (Linear Regression)二、逻辑回归 (Logistic Regression)三、决策树 (Decision Tree)四、支持向量机算法 (Support Vector Machine,SVM)五、K邻近算法（K-Nearest Neighbors，KNN）六、K-均值算法（K-means）七、朴素贝叶斯 (Naive Bayes)八、随机森林 (Random Forest)九、降低维度算法（Dimensionality Reduction）十、梯度增强算法Gradi
机器学习算法的应用场景（比如朴素贝叶斯、决策树、K 近邻、SVM、逻辑回归）
dfly_zx的博客
08-20 3984
转载自：https://www.zhihu.com/question/26726794/answer/151282052 没有最好的分类器，只有最合适的分类器。 随机森林平均来说最强，但也只在9.9%的数据集上拿到了第一，优点是鲜有短板。 SVM的平均水平紧随其后，在10.7%的数据集上拿到第一。 神经网络（13.2%）和boosting（~9%）表现不错。 数据维度越高，随机森林就比AdaBoost强越多，但是整体不及SVM[2]。 数据量越大，神经网络就越强。 近邻 (Neare..
线性回归算法梳理
pandawang830的博客
03-28 2474
目录 1、机器学习基本概念 2、线性回归原理 3、优化方法 4、线性回归的评估指标 5、sklearn参数详解 1、机器学习基本概念 监督学习：KNN、线性回归、逻辑回归、SVM、决策树和随机森林、神经网络 无监督学习：K-means、聚类分析、可视化和降维-PCA、关联性规则学习 泛化能力：Generalization Ability，是指指机器学习算法对新鲜样本的适应能力。学...
各种机器学习算法的应用场景分别是什么（比如朴素贝叶斯、决策树、K 近邻、SVM、逻辑回归最大熵模型）？...
深度学习与计算机视觉
10-22 6084
链接：https://www.zhihu.com/question/26726794编辑：深度学习与计算机视觉声明：仅做学术分享，侵删k近邻、贝叶斯、决策树、svm、逻辑斯蒂回归和最大熵...
五分钟了解机器学习的基本概念
热门推荐
NJUzzf98的博客
05-27 1万+
三分钟了解机器学习的基本概念- 1、人工智能、机器学习、深度学习之间的关系 2、什么是机器学习？ 3、机器学习的常见问题之 过拟合 4、如何克服过拟合？ 5、机器学习的类型 6、分类和回归
线性回归、逻辑回归、RNN、CNN、KNN、SVM算法总结
BigDataEngineer的博客
10-29 1万+
常见的监督学习：线性回归、决策树、朴素贝叶斯分类、最小二乘法、逻辑回归、支持向量机、集成方法 常见的无监督学习：聚类算法、主成分分析、奇异值分解、独立成分分析。 常用的分类器包括SVM、KNN、贝叶斯、线性回归、逻辑回归、决策树、随机森林、xgboost、GBDT、boosting、神经网络NN。 常见的降维方法包括TF-IDF、主题模型LDA、主成分分析PCA等等 常用的回归技术：线性回归、多项...
机器学习(一)：5分钟理解机器学习并上手实践
caiyongji
01-16 1197
引言 现在市面上的机器学习教程大多先学习数学基础，然后学机器学习的数学算法，再建立机器学习的数学模型，再学习深度学习，再学习工程化，再考虑落地。这其中每个环节都在快速发展，唯独落地特别困难。我们花费大量时间成本去学习以上内容，成本无疑是特别昂贵的。所以我们不如先“盲人摸象”、“不求甚解”地探索下机器学习，浅尝辄止。如果想到自己的应用场景，再学以致用，深入探索。这无疑是使沉没成本最低的决策。 本教程适合兴趣广泛的人士增加自己知识的广度，从应用的角度谨“使用”机器学习这款工具，是典型的黑盒思维。这非常契合笔者的
SVM支持向量机
qq_44250700的博客
09-14 745
文章目录优点缺点原理计算方法 support vector machine（SVM）属于 监督学习，是一种 线性分类器 优点 模型效果好 缺点 只能准确处理 线性问题。 针对 相互交融的非线性问题，可以加大容错率Soft-Margin SVM，保证大局上的正确性。 不能用于 完全线性不可分的情况。可以引入Kernel，将问题转化到更高维度上。 原理 找到合适的β来描述 决策分界面 和 边界分界面。 两条 决策分界面 最中间的面就是 决策分界面。 两个 边界分界面 之间的距离为 两个类别之间的距离，即 分
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值