06 2023 档案

第十课 PCA降维

摘要：有了第九课SVD分解的基础，PCA降维的原理理解起来就比较容易了。 1、PCA降维原理先回到SVD分解，对矩阵A进行SVD分解，得到下式： A = U * S * V 其中V是正交矩阵，即V*VT=E，对上式进行一下转化： A * VT = U * S * V * VT A * VT = U * 阅读全文

posted @ 2023-06-02 22:50 tgltt 阅读(102) 评论(0) 推荐(0) 编辑

第九课 SVD分解

摘要：大学里的《线性代数》学过矩阵的加减乘法操作，计算起来也比较简单，比如现有矩阵A和B，取值如下： A是2*3的矩阵，B是3*2的矩阵，C很容易求得一个2*2的矩阵：上面的计算过程，相信很多人都会，但现在的问题，如何求矩阵C由哪些矩阵相乘而得？这个问题估计会的人就不多了，其实这是一个矩阵分解的问题，也阅读全文

posted @ 2023-06-02 18:29 tgltt 阅读(168) 评论(0) 推荐(0) 编辑

第八课常用机器学习算法性能对比

摘要：市面上常用的机器学习算法，也就剩下KNN、朴素贝叶斯、决策树、随机森林这些算法了，这些算法各有优劣，适用不同的场景，没有谁能把所有其他的算法干掉而统一天下。下面将通过准确率、耗时两个维度，来对比KNN、朴素贝叶斯、决策树、随机森林这几个算法的性能。 1、构建数据集，并拆分为训练集和测试集调用Sk 阅读全文

posted @ 2023-06-01 17:46 tgltt 阅读(221) 评论(0) 推荐(0) 编辑

第七课随机森林

摘要：1、算法概述随机森林是一种集成学习方法，其理论基础是决策树。随机森林由随机+森林两个词组成，这两个词非常精确的描述了随机森林算法的本质，随机说明了算法具有一定的随机性，体现在算法在选取数据集时，会随机从行和列两个方向筛选出子样本，比如图1和图2显示了随机森林两棵子树A和B所选取的数据集是不同的，阅读全文

posted @ 2023-06-01 12:29 tgltt 阅读(148) 评论(0) 推荐(0) 编辑