- 博客(13)
- 收藏
- 关注
RSS订阅原创 2001-A simple approach to ordinal classification-【二分类分解】
让普通分类器直接利用类别顺序信息，无需修改底层算法。取概率最大的类别作为预测结果。
2026-05-21 20:08:09
24
原创 2005- Loss functions for preference levels- Regression with discrete ordered labels-IJCAI
【代码】2005- Loss functions for preference levels- Regression with discrete ordered labels-IJCAI。
2026-05-20 20:42:59
24
原创 序关系理论中全序与偏序的区别
偏序允许“不可比较”，全序不允许“不可比较”。偏序更一般全序更特殊、更强偏序：有些元素之间不能比较。全序：任何两个元素之间都能比较。因此，全序是偏序的一种特殊情形。
2026-04-22 08:50:09
389
原创 2001-A Simple Approach to Ordinal Classification
作者将一个包含 k 个有序类别的分类问题转化为 k-1 个二分类问题。每个二分类器学习目标变量是否大于某个阈值（即是否超过某一类别）。最终通过组合这些二分类器的输出概率，恢复原始类别的概率分布。如何在不修改现有分类算法的前提下，使其能够利用类别之间的顺序信息，从而提升分类性能。如何在分类模型中有效引入有序关系，同时保持模型的通用性和灵活性，使其可以适用于能产出概率的基础分类器。把多分类问题转成 k−1 个“是否超过某个等级”的问题，再通过概率差分恢复原始类别概率。
2026-04-16 15:27:33
231
原创 线性回归 最小二乘与梯度下降
求解损失函数最小问题，或者说求解使损失函数最小的最优化问题时，经常使用搜索的方法。具体而言，选择一个初始点作为起点，然后开始不断搜索，损失函数逐渐变小，当到达搜索迭代的结束条件时，该位置为搜索算法的最终结果。在某个点，函数沿着梯度方向的变化速度最快。具体来说，我们可以考虑使用梯度下降法，这个方法就是从某一个。的更新公式，$ \alpha \ $是学习率。求导时，只需要对多条训练样本的数据做加和。，因此，我们每次都沿着梯度下降，不断向。个属性值，最后一个元素恒置为 1。，其中每行对应于一个示例，该行前。
2026-01-16 16:45:26
577
原创 1月13日
在预测任务中,给定样例集 ( D = {(x_1,y_1),(x_2,y_2),\dots,(x_m,y_m)} ),其中 ( y_i ) 是示例 ( x_i ) 的真实标记.要评估学习器 ( f ) 的性能,就要把学习器预测结果 ( f(x) ) 与真实标记 ( y ) 进行比较. 回归任务最常用的性能度量是。个子集的并集作为训练集,余下的那个子集作为测试集;更一般的,对于数据分布 ( D ) 和概率密度函数 ( p(\cdot) ),均方误差可描述为。k个大小相似的互斥子集。
2026-01-13 23:25:33
530
原创 DPC算法
DPC算法的基础假设是，聚类中心被具有较低局部密度的邻居所包围，并且聚类中心与具有较高局部密度的点之间的距离相对较大。是截断距离，根据经验，人们可以选择使得邻居的平均数量大约是数据集中点总数的1%到2%的截断距离作为。*和任何其他具有更高密度的点之间的最小距离来测量的。这种形式可以避免硬性截断，获得更平滑的密度估计。这个量同时综合了“密度高”和“距离远”两个特征。，我们计算两个量：它的局部密度。对于密度最高的点，论文中规定。和它到更高密度点的距离。
2025-10-16 16:54:34
718
原创 DBSCAN算法
个点”来判定哪些点处于稠密区域，并以这些稠密区域形成簇，不属于任何稠密区域的点被当作噪声。循环直到没有新的点可以吸纳，说明这个簇的密度可达范围已完全探索完毕。选得好坏直接影响聚类效果，但我们通常事先不知道应该设多大。函数并不是 DBSCAN 算法必不可少的一部分，而是为了。如果我们先一次性算出所有点积与平方和，就可以。最后对每个元素开平方，得到真正的欧氏距离。用于求出每个点到其第 k 个最近邻的距离。来揭示点与点之间的稠密程度。一次性得到了所有两两点积。取出 Gram 矩阵的。得到所有两两点的距离。
2025-09-29 16:51:44
789
原创 K-means算法
rng.choice(n, p=probs)方法并不是完全根据probs = d2 / d2.sum()计算出来的概率来选择新质心，概率越大越有可能被选中，此方法还是保留有一定的随机性。的 DataFrame：N 行样本、3 列（x、y、label）。：按列名取子表（仍是 DataFrame），保留列的顺序为。是用来衡量聚类结果和真实标签（ground truth）的。：默认是从 0 到 N-1 的整数索引（（表格型数据结构，带行索引和列名）。：把 DataFrame 转成。：显式指定 3 列的列名。
2025-09-27 11:18:03
502
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人