danchegg

摘要： # SVM--支持向量机 SVM简介 ​ 支持向量机（support vector machines, 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，间隔最大使它有别于感知机；SVM还包括核技巧，这使它成为实质上的非线性分类器。SVM的的学习策略就是间隔最大化 阅读全文

摘要： # 机器学习--Logistic 回归 Logistic回归简介 Logistic回归是一种十分常见的分类模型，是的严格来说这是一个分类模型，之所以叫做回归也是由于历史原因。不同于线性回归中对于参数的推导，我们在这里运用的方式不再是最小二乘法，而是极大似然估计。 优点：计算代价不高，易于理解和实现 阅读全文

摘要：  朴素贝叶斯--垃圾邮件分类 一.垃圾邮件数据集 smsspamcollection数据集 本文数据集来源github：https://github.com/w1449550206/Spam-classification.git ham：非垃圾短信 spam：垃圾短信 二.朴素贝叶斯原理 说到贝叶 阅读全文

摘要： 在上一篇文章中，我们实现了树的构造，在下面的内容中，我们将中心放在以下几个方面 1.剪枝 2.连续值处理 3.数据加载器：DataLoader 4.模型评估 一，后剪枝 • 为什么剪枝 –“剪枝”是决策树学习算法对付“过拟合”的主要手段，可通过“剪枝”来一定程度避免因决策分支过多，以致于把训练集自身 阅读全文

摘要： 一，信息熵 当谈到决策树的构建时，一定会想到信息熵，那么究竟什么是信息熵呢？根据百度百科描述：熵（shāng），热力学中表征物质状态的参量之一，用符号S表示，其物理意义是体系混乱程度的度量。信息熵：信息熵（information entropy）是信息论的基本概念。描述信息源各可能事件发生的不确定性 阅读全文

摘要： 在本篇文章中，我即将以在集美大学收集到的一些数据集为基础，使用KNN算法进行一系列的操作 一、KNN算法 首先，什么是KNN算法呢，这得用到老祖宗说的一句话“近朱者赤近墨者黑”，简单来讲就是，一个物体它靠近什么，我们也可以认为它就是什么。此算法运用广泛，生活中就有体现。比如，你是否发现，你好朋友刷到 阅读全文

摘要： 一.准确率，召回率 TP（True Positive）：正确的正例，一个实例是正类并且也被判定成正类 FN（False Negative）：错误的反例，漏报，本为正类但判定为假类 FP（False Positive）：错误的正例，误报，本为假类但判定为正类 TN（True Negative）：正确的 阅读全文

摘要： 一.下载Anaconda 二.添加清华镜像 # 添加清华镜像 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https: 阅读全文