- 博客(8)
- 收藏
- 关注
RSS订阅原创 基于PCA和SVM的ORL人脸识别
通过PCA降维和SVM分类，我们成功地对ORL人脸数据集进行了分类。我们可以看到，通过PCA降维后，模型的训练和预测性能都得到了显著提升。通过可视化结果，我们也可以更直观地理解降维后数据的分布情况。
2025-06-09 19:51:41
310
原创 基于SVM的垃圾邮件分类器
在本文中，我们使用中的SVM分类器来构建一个垃圾邮件分类器。数据集来源于经典的SpamAssassin数据集，包含标注好的垃圾邮件和非垃圾邮件。数据加载与预处理特征提取SVM模型训练模型评估与优化。
2025-06-02 22:59:25
720
原创 二元Logistic回归
二元Logistic回归是一种简单且强大的分类算法，广泛应用于许多领域，如医疗诊断、金融欺诈检测等。通过理解其背后的数学原理，并结合Python代码实现，我们可以快速上手并解决实际问题。希望本文能帮助你更好地理解Logistic回归，并能够在实际项目中应用。
2025-05-19 23:41:16
854
原创 朴素贝叶斯分类算法实现西瓜分类
朴素贝叶斯算法的核心基于贝叶斯定理。贝叶斯定理用于描述条件概率，即给定某些已知信息，求未知信息的概率。PC∣XPX∣C⋅PCPXPC∣XPXPX∣C⋅PCP(C|X)：给定特征 (X) 时，类别 (C) 的后验概率。P(X|C)：在类别 (C) 下，特征 (X) 的似然概率。PCP(C)PC：类别C(C)C的先验概率。P(X)：特征 (X) 的边际概率。
2025-05-05 23:17:58
645
原创 决策树预测银行是否贷款
决策树是一种常用的机器学习算法，主要用于分类问题。它通过对数据进行递归划分，生成一个树形结构，从而做出决策。每个节点表示一个特征的判断条件，每个分支表示特征的取值，而每个叶节点则代表一个分类结果。通过决策树模型，我们能够根据客户的特征预测银行是否会发放贷款。决策树的构建过程中，信息增益作为特征选择的标准，帮助我们选择最具区分性的特征进行划分。通过递归划分和剪枝技术，决策树能够高效地进行分类决策。最终，我们通过可视化手段，使得模型的决策过程更加直观易懂。
2025-04-21 23:46:19
934
原创 使用ROC曲线与PR曲线评估K近邻分类器性能
模型评估是机器学习流程中的核心步骤。准确率：衡量模型预测正确的比例。精确率与召回率：精确率表示模型预测为正类的样本中有多少是正类，召回率表示所有真实正类中有多少被正确识别。F1分数：精确率和召回率的调和平均数，平衡了两者的影响。ROC曲线与AUC：评估模型在不同分类阈值下的表现。PR曲线：精确率与召回率之间的关系，尤其适用于类别不平衡问题。其中，ROC曲线和PR曲线是用于评估二分类模型性能的两种重要方法。通过这两条曲线，我们可以深入了解模型在不同的阈值设置下的表现，帮助我们选择最合适的模型或参数。
2025-04-07 22:25:01
774
原创 基于K近邻算法的分类器的实现
实现了一个基于KNN的简单分类器，通过标准化处理提高了模型的稳定性，并通过计算欧几里得距离进行分类预测，预测出海伦对约会对象喜好程度，便于平台准确推送。
2025-03-23 17:04:11
1024
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人