03 2022 档案

python机器学习——SVM支持向量机
摘要：背景与原理： 支持向量机是一种用来解决分类问题的算法，其原理大致可理解为：对于所有n维的数据点，我们希望能够找到一个n维的直线（平面，超平面），使得在这个超平面一侧的点属于同一类，另一侧的点属于另一类。而我们在寻找这个超平面的时候，我们只需要找到最接近划分超平面的点，而一个n维空间中的点 阅读全文
posted @ 2022-03-31 23:05 lleozhang 阅读(392) 评论(0) 推荐(0) 编辑
python机器学习——kmeans聚类算法
摘要：背景与原理： 聚类问题与分类问题有一定的区别，分类问题是对每个训练数据，我给定了类别的标签，现在想要训练一个模型使得对于测试数据能输出正确的类别标签，更多见于监督学习；而聚类问题则是我们给出了一组数据，我们并没有预先的标签，而是由机器考察这些数据之间的相似性，将相似的数据聚为一类，是无监督学习的一个 阅读全文
posted @ 2022-03-31 14:09 lleozhang 阅读(1296) 评论(0) 推荐(0) 编辑
python机器学习——PCA降维算法
摘要：背景与原理： PCA（主成分分析）是将一个数据的特征数量减少的同时尽可能保留最多信息的方法。所谓降维，就是在说对于一个n维数据集，其可以看做一个n维空间中的点集（或者向量集），而我们要把这个向量集投影到一个k<n维空间中，这样当然会导致信息损失，但是如果这个k维空间的基底选取的足够好 阅读全文
posted @ 2022-03-30 20:51 lleozhang 阅读(1956) 评论(0) 推荐(0) 编辑
python机器学习——KNN（K近邻算法）
摘要：背景与原理： KNN算法其实是逻辑最简单的分类算法——我们认为一个数据的类型是由与其最接近的数据决定的，而“接近”实际上就是我们度量两个数据点之间的距离，如果我们把一组数据看做一个向量(x1,...,xn,y)，其中y代表这个数据的类别，那么两组数据Xi,Xj间的 阅读全文
posted @ 2022-03-28 19:56 lleozhang 阅读(301) 评论(0) 推荐(0) 编辑
python机器学习——逻辑回归方法
摘要：背景与原理： 线性回归可以实现对连续结果的预测，但是现实生活中我们常见的另一种问题是分类问题，尤其是二分类问题，在这种情况下使用线性回归就不太合适了，我们实际上需要计算出的是一个在[0,1]之间的概率来告诉我们某样本属于某一类的概率，因此逻辑回归应运而生。 一般的逻辑回归就是在线性回归的基础上嵌 阅读全文
posted @ 2022-03-27 16:50 lleozhang 阅读(443) 评论(0) 推荐(0) 编辑
python机器学习——线性回归方法
摘要：背景与原理： 线性回归是机器学习建模中最为简单的模型，也是计算起来最为直观的模型 所谓线性回归，我们要建立的是这样的模型：对一组数据，每组数据形如(x1,...,xn,y)，我们希望构造一个线性函数$h_{\theta}(X)=\sum_{i=0}^{n}\theta_{i}x_{i 阅读全文
posted @ 2022-03-26 22:15 lleozhang 阅读(423) 评论(0) 推荐(0) 编辑

levels of contents
点击右上角即可分享
微信分享提示