摘要：
一、概念 支持向量机（SVM）是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面，可以将问题化为一个求解凸二次规划的问题。与逻辑回归和神经网络相比，支持向量机，在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。 具体来说就是在线性可分时，在原 阅读全文
posted @ 2023-01-01 01:47
山木L
阅读(215)
评论(0)
推荐(0)
摘要：
一、概念 logistic回归是一种广义线性回归（generalized linear model），因此与多重线性回归分析有很多相同之处。它们的模型形式基本上相同，都具有 w‘x+b，其中w和b是待求参数，其区别在于他们的因变量不同，多重线性回归直接将w‘x+b作为因变量，即y =w‘x+b，而l 阅读全文
posted @ 2022-12-31 23:13
山木L
阅读(1229)
评论(0)
推荐(0)
摘要：
一、背景 垃圾邮件的问题一直困扰着人们，传统的垃圾邮件分类的方法主要有"关键词法"和"校验码法"等，然而这两种方法效果并不理想。其中，如果使用的是“关键词”法，垃圾邮件中如果这个关键词被拆开则可能识别不了，比如，“中奖”如果被拆成“中奖”可能会识别不了。后来，直到提出了使用“贝叶斯”的方法才使得垃圾 阅读全文
posted @ 2022-12-21 22:25
山木L
阅读(1601)
评论(0)
推荐(0)
摘要：
一、为什么要进行剪枝？ 当我们的数据集样本量很大、每个特征的取值很多时，生成决策树的代价就会很大。不仅如此，虽然一个完整的决策树对训练数据的预测非常准，但这会造成对训练数据的过拟合，造成模型的泛化性能（预测除训练集意外数据的能力）降低。因此，本节我们将引入剪枝的概念。 剪枝的目的：处理决策树的过拟合 阅读全文
posted @ 2022-11-20 22:42
山木L
阅读(447)
评论(0)
推荐(0)
摘要：
一.什么是决策树 决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。 决策树算法构造决策树来发现数据中蕴涵的分类规则．如何构造精度高、规模小的决策树是决 阅读全文
posted @ 2022-11-17 13:19
山木L
阅读(463)
评论(0)
推荐(0)
摘要：
一.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。K-近邻算法是最简单的分类器，没有显式的学习过程或训练过程，是懒惰学习（Lazy Learning）。K近邻算法既能够用来解决分类问题，也能够用来解决回归问题。该方法有着非常简单的原理：当对测试样本 阅读全文
posted @ 2022-11-06 16:41
山木L
阅读(162)
评论(0)
推荐(0)
摘要：
一.P-R曲线，是指以查准率（亦称准确率）为纵轴、查全率（亦称召回率）为横轴画出的曲线，反映了查准率随查全率的变化趋势! []矩阵概念： (https://img2022.cnblogs.com/blog/2193951/202211/2193951-20221106161303830-116677 阅读全文
posted @ 2022-11-06 16:22
山木L
阅读(1036)
评论(0)
推荐(0)
摘要：
一.安装python,anaconda,vscode 1.安装python （1）安装python 进入Python的官网， http://www.python.org/download/,选择合适的python版本进行安装 我安装的是python 3.8.8,可以在cmd中输入python --v 阅读全文
posted @ 2022-11-06 15:50
山木L
阅读(223)
评论(0)
推荐(0)
摘要：
（p++）：取出指针p所指地址中的数据，指针+1 p++ : （p++） （p）++ : 取出指针p所指地址中的数据，地址中的数据+1 (p)：p (p)作为输出项时 （左自增：先求变量变化，再输出） 形式：p、p、p、（p）、 （右自增：先输出变量当前所指值，再求变量的变化） 形式：p、p、（p） 阅读全文
posted @ 2020-12-15 07:05
山木L
阅读(79)
评论(0)
推荐(0)
浙公网安备 33010602011771号