随笔分类 - 机器（深度）学习 / 机器学习知识
层次分析法”（Analytic Hierarchy Process, AHP）
摘要：用于解决复杂的决策问题
阅读全文
朴素贝叶斯
摘要：贝叶斯 朴素贝叶斯 朴素贝叶斯（Naive Bayes）是一种基于贝叶斯定理的分类算法，通常用于文本分类和模式识别任务。它被称为"朴素"因为它做出了一个朴素的假设，即特征之间是相互独立的，这在实际情况中并不总是成立，但这个假设使得算法计算简单且高效。 特征之间的独立性意味着在贝叶斯公式中，特征之间的
阅读全文
主成分分析 （PCA）
摘要：高纬度数据定义 高维度数据指的是数据集中包含大量特征或维度的情况。每个特征都可以看作是数据点的一个属性或测量值。例如，一张彩色图像可以被看作是一个高维度的数据集，其中每个像素的颜色值是一个特征。同样，一个文本文档也可以被视为高维度数据，其中每个单词可以被认为是一个特征 低纬度数据定义 低维度数据是指
阅读全文
监督学习-分类算法-KNN
摘要：定义：KNN最核心的功能“分类”是通过多数表决来完成的，具体方法是在待分类点的K个最近邻中查看哪个类别占比最多。哪个类别多，待分类点就属于哪个类别 如果选择K=3，那么模型将考虑目标数据点的3个最近邻居， 对于图像的分类。他的邻居是什么 每个图像样本通常会被表示为一个特征向量，其中每个特征可以代表图
阅读全文
非监督学习-聚类算法-Kmeans
摘要：K均值聚类算法是一种用于将数据集中的数据点分成不同组的方法。这些组通常称为簇。这个算法的核心思想是把相似的数据点放在同一个簇中，从而把数据分成几个组，每个组内的数据点彼此相似。 这是一个简单的K均值聚类过程： 选择簇的数量(K)：首先，将数据分成k个簇。 随机选择K个点作为初始簇中心：从数据集中随机
阅读全文
监督学习-分类算法
摘要：分类算法是一类监督学习算法，用于将数据点分为预定义的类别或标签之一。在分类问题中，算法通过学习从已知输入数据到其对应类别的映射来训练模型，然后使用该模型来对新的、未标记的数据进行分类。分类问题通常涉及到预测离散的输出，即将数据分为几个互斥的类别之一。 以下是一些常见的分类算法： 逻辑回归（Logis
阅读全文
监督学习和非监督学习
摘要：总结来说，监督学习侧重于从带有标签的数据中学习预测模型，用于分类或回归等任务，而非监督学习侧重于从未标记的数据中发现数据的内在结构和模式。这两种学习方式在机器学习中都具有重要作用，具体选择哪种取决于任务的性质和数据的特点 监督学习（Supervised Learning）： 任务：监督学习是一种有监
阅读全文
什么随机森林
摘要：随机森林通过对训练数据随机抽样生成多个决策树，每个决策树都是根据随机选择的特征子集进行构建。在决策树的构建过程中，随机森林采用了自助采样(Bootstrap Sampling)和特征随机选择(Feature Randomness)的策略，使得每个决策树都具有一定的差异性。 在进行预测时，随机森林通过
阅读全文
什么决策树
摘要：决策树是一种基于树形结构的机器学习算法，用于解决分类和回归问题。它通过构建一棵树来对输入数据进行判断和预测。 决策树的构建过程是从根节点开始，根据特征的取值将数据集划分为不同的子集，然后再对每个子集递归地进行划分，直到满足停止条件。在构建过程中，决策树通过选择最优的特征和划分方式来使得每个子集的纯度
阅读全文
什么是SVM
摘要：支持向量机（Support Vector Machine，SVM） 概念： 在支持向量机中，样本数据被看作是在空间中的点，不同类别的样本被尽可能大的间隔分开。超平面是一个划分空间的决策边界，具有最大间隔，使得离超平面最近的样本点称为支持向量 原理： 支持向量机可以用于线性可分和线性不可分的数据集。对
阅读全文
什么是非监督学习
摘要：非监督学习（Unsupervised Learning）是一种机器学习任务，其中算法从未标记的数据中学习模式、结构和关系，以发现数据中的隐藏信息和有意义的结构。与监督学习不同，非监督学习中没有标签或输出变量来指导学习过程，算法需要自行发现数据的内在模式。 在非监督学习中，算法的目标是对数据进行聚类、
阅读全文
什么是监督学习
摘要：监督学习（Supervised Learning）是一种机器学习任务，其中算法通过从标记的训练数据中学习模式和关系，以进行预测或分类。在监督学习中，算法的目标是通过输入特征与其相应的标签之间的关联性，构建一个能够准确预测新数据标签的模型。 在监督学习中，训练数据包含输入特征和相应的标签或输出。算法通
阅读全文
机器学习和深度学习的区别
摘要：机器学习和深度学习都属于人工智能领域，但它们有不同的方法和应用场景。 机器学习是一种利用统计学习算法让计算机模仿人类的学习过程来实现智能化的技术。机器学习的主要思想是从大量的数据中发掘规律和模式，然后将这些规律和模式应用到新的数据中进行预测和决策。聚类，聚合 深度学习是机器学习的一个分支，它利用多层
阅读全文
