机器学习之支持向量机
支持向量机 超平面比数据空间少一个维度为了将数据进行切分分为不同的类别决策边界是超平面的一种 决策边界就是再二分类问题中找到一个超平面将数据分为两类最合适的超平面就叫做决策边界当现有的数据难以二分类需要对数据进行升维将数据映射到高一维度便于进行区分比如说二维平面难以区分就升维三维进行区分 需要用到...
【Python机器学习】零基础掌握AdaBoostClassifier集成学习
有没有想过，为什么一些电商网站的商品推荐总是那么准确？是不是有一种神奇的算法背后默默地支持着？确实有，这种算法就是AdaBoost算法，一个用于提升（Boosting）分类器性能的强大工具。 现实案例以电商商品推荐为例。通常，电商网站有成千上万的商品和用户。问题是如何根据用户的购买历史和行为来推荐...
【机器学习】数据均衡学习笔记
文章目录 序言1. 样本不均衡2. 样本不均衡的影响以及样本均衡的意义3. 什么时候需要进行样本均衡/数据均衡4. 数据不均衡的解决办法 序言 数据集制作过程中需要关注样本均衡问题学习笔记简单记录 1. 样本不均衡 分类任务中不同类别样本数差别很大的情况样...
经验风险最小化与结构风险最小化：优化机器学习模型的两种方法
随着大数据时代的到来机器学习在各个领域中的应用越来越广泛。然而在构建机器学习模型时我们面临着两个主要的挑战经验风险最小化和结构风险最小化。本文将深入探讨这两种方法并分析它们在优化机器学习模型中的作用。 第一部分经验风险最小化 经验风险最小化是一种常见的机器学习优化方法它的目标是通过最小化训练数据...
计算机毕业设计 机器学习深度学习人工智能-CSDN博客
视频参考 计算机毕业设计项目分享_哔哩哔哩_bilibili 基于深度学习的农业病虫害识别基于SpringBoot+Vue的博客系统基于SpringBoot+Vue的仓库管理系统基于卷积网络的花卉图像识别 毕业设计选题 VX...
介绍机器学习中CatBoost工具的详细使用指南-CSDN博客
在机器学习的动态世界中，Python 是创新背后的驱动力，专业人士必须使用正确的工具。CatBoost 就是这样一个工具，以其卓越的速度和准确性悄然改变了该领域。在本指南中，我们将深入研究 Python 3 中的 CatBoost，涵盖基础知识、高级技术和实际示例，包括使用示例数据集和绘图进行的实践...
机器学习-有监督算法-决策树和支持向量机-CSDN博客
目录 决策树ID3C4.5CART 支持向量积 决策树 训练构造树测试从模型从上往下走一遍。建树方法ID3C4.5CART ID3 以信息论为基础以信息增益为衡量标准熵越小混乱程度...
机器学习方法之k近邻方法的综述-CSDN博客
机器学习方法之k近邻方法的综述 前言 k近邻方法的相关综述 最近邻方法 k近邻方法 加权k近邻方法 kknn程序包的介绍 前言 本篇博客的目的是想用最简单的话讲清楚k近邻方法，欢迎大家在评论区提出你们的...
【Soft-Margin Support Vector Machine】林轩田机器学习技术
insertAdIfNeeded();Hard-Margin的约束太强了：要求必须把所有点都分开。这样就可能带来overfiiting，把noise也当成正确的样本点了。 Hard-Margin有些“学习洁癖”，如何克服这种学习洁癖呢？ 沿用pocket算法的思想，修改...
机器学习之决策树原理和sklearn实践
insertAdIfNeeded();1. 场景描述 时间：早上八点，地点：婚介所 ‘闺女，我有给你找了个合适的对象，今天要不要见一面？’ ‘多大？’ ‘26岁’ ‘长的帅吗？’ ‘还可以，不算太帅’ ‘工资高吗？’ ‘略高于平均水平’ ‘会写代码吗？’ ‘人家是程序员，代码写的棒着呢！’ ‘...