摘要：
1.pca简介 PCA通过线性变换将高维数据转换为低维数据，同时保留最大的数据方差。这样做的目的是减少数据集的维度，尽可能保留原始数据的信息。 2.算法流程 1.数据中心化 对原始数据进行中心化处理，即将每个特征的值减去该特征的均值，以保证数据的均值为零。 pj = np.mean(X, axis= 阅读全文
posted @ 2024-06-17 16:25
零食7788
阅读(42)
评论(0)
推荐(0)
摘要：
什么是SVM SVM（全称Support Vector Machine）中文名支持向量机。SVM是一种监督机器学习算法，是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，最终转化为一个凸二次规划问题来求解。可用于分类或回归挑战。然而，它主要用于分类问题。 最大间隔与 阅读全文
posted @ 2024-06-11 15:40
零食7788
阅读(50)
评论(0)
推荐(0)
摘要：
1.逻辑回归介绍 逻辑回归是一种常用的统计学习方法，通常用于处理分类问题。尽管名字中包含"回归"一词，但逻辑回归实际上用于解决分类问题，而不是回归问题。逻辑回归的基本思想是通过一个称为"逻辑函数"或"sigmoid函数"的特定函数来建立分类模型。 2.sigomid函数 a.公式 z的取值为负无穷到 阅读全文
posted @ 2024-05-28 22:02
零食7788
阅读(61)
评论(0)
推荐(0)
摘要：
朴素贝叶斯是一种基于贝叶斯定理的分类算法，常用于解决文本分类和垃圾邮件过滤等问题。它的"朴素"体现在对每个特征之间的条件独立性的假设，即假设给定目标值的情况下，每个特征都是相互独立的。尽管这个假设在实际问题中并不总是成立，但朴素贝叶斯的简单性和高效性使其在实践中仍然表现良好。 实验的案例用的老师课后 阅读全文
posted @ 2024-05-14 21:59
零食7788
阅读(55)
评论(0)
推荐(0)
摘要：
一、决策树定义： 决策树是一种基于树结构的机器学习算法，用于建立一系列的规则来对数据进行分类或预测。 二、决策树特征选择 2.1 特征选择问题 在决策树的构建过程中，特征选择是一个关键的步骤，它决定了每个节点应该选择哪个特征来进行分裂。 2.2 信息增益 信息增益是一种常用的特征选择准则，它衡量了在 阅读全文
posted @ 2024-04-30 16:21
零食7788
阅读(44)
评论(0)
推荐(1)
摘要：
分类模型评估，ROC曲线 PR曲线，ROC曲线绘制 阅读全文
posted @ 2024-04-15 20:42
零食7788
阅读(90)
评论(0)
推荐(0)
摘要：
1.knn算法概述 KNN算法是机器学习算法中最基础，最简单的算法之一。它既能用于分类，也能用于回归。KNN通过测量不同特征值之间的距离来进行分类。 KNN算法的思想就是对输入的特征向量对应特征空间的一个点，输出为该特征向量所对应的类别标签或者预测值。 KNN算法是一种特别的机器学习算法，没有一般意 阅读全文
posted @ 2024-03-31 19:13
零食7788
阅读(120)
评论(0)
推荐(0)
摘要： 
相信大家学习机器学习人工智能的时候都会需要用到Anaconda这个软件Anaconda是一个开源的Python发行版本，它包含了Conda、Python以及超过180个科学包及其依赖项。Anaconda特别适合于数据分析和科学计算，它不仅提供了Python和相关的配套工具，还集成了许多常用的科 阅读全文
相信大家学习机器学习人工智能的时候都会需要用到Anaconda这个软件Anaconda是一个开源的Python发行版本，它包含了Conda、Python以及超过180个科学包及其依赖项。Anaconda特别适合于数据分析和科学计算，它不仅提供了Python和相关的配套工具，还集成了许多常用的科 阅读全文
posted @ 2024-03-06 16:09
零食7788
阅读(76)
评论(1)
推荐(1)
浙公网安备 33010602011771号