- 博客(4)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 SVM算法
支持向量机（Support Vector Machine，SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器。当训练数据线性可分时，通过硬间隔最大化（hard margin maximization）学习一个线性分类器；当训练数据近似线性可分时，通过软间隔最大化（soft margin maximization）学习一个线性分类器；当训练数据线性不可分时，通过使用核技巧（kernel trick）及软间隔最大化，学习一个非线性分类器。核函数的定义与作用。
2025-03-12 18:12:52
1479
原创 分析K近邻算法的错误率
分析K近邻算法的错误率K近邻算法（K-Nearest Neighbors，KNN）是一种基本的机器学习算法，也是一种分类和回归方法。它的原理很简单，即根据特征相似度来进行分类或回归预测。K近邻（K-Nearest Neighbor, KNN）是一种最经典和最简单的有监督学习方法之一。在KNN算法中，首先需要给定一个训练集，其中包含了已知分类标签的样本数据。
2025-03-12 18:08:24
1317
原创 Kmeans和FCM算法性能比较
class FCM:definitself.n_clusters = n_clusters #聚类数量self.m = m #隶属度self.max_iter = max_iter #迭代次数self.error = error #收敛误差，判断算法是否收敛def fit(self, X): #训练函数self.n_samples, self.n_features = X.shape #获取输入数据的样本数量和特征数量# 随机初始化聚类中心。
2025-03-12 17:59:47
826
原创 在iris和sonar数据集上的Fisher辨别分析
Fisher辨别分析本实验将采用留一法训练和测试样本。假设数据集 D中有 m 个样例，我们将其划分为 m 个互斥的集合进行交叉验证，这种交叉验证方法就被成为留一法。在留一法中，我们每次使用 m-1 个样例进行训练，1 个样例进行测试。这样用训练出的模型和直接使用全部数据集 D 训练出的模型非常接近。Iris数据集：Iris数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。由于Fisher分类器只能将样本划分为两类，所以我们需要将三份数据两两分类并采取留1法进行划分。
2025-03-12 17:53:27
1797
1
空空如也
看一下最小差值的计算过程
2022-10-24
TA创建的收藏夹 TA关注的收藏夹
TA关注的人