weixin_42180810的博客

原创 数据挖掘算法——关联规则挖掘

原创 机器学习——支持向量机（SVM）

原创 机器学习——逻辑回归（Logistic Regression）

原创 机器学习---线性回归

直接给复习的笔记O(∩_∩)O~~~~代码实例：#线性回归import numpy as npimport matplotlib.pyplot as pltimport pandas as pdfrom sklearn.model_selection import train_test_split from sklearn.linear_model import...

原创 梯度下降法

一、梯度下降法（Gradient Descent）在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降（Gradient Descent）是最常采用的方法之一。梯度下降法是一个最优化算法，通俗的来讲就是沿着梯度下降的方向迭代求解某个函数的最小值。梯度：在微积分里面，对多元函数的参数求∂偏导数，把求得的各个参数的偏导数以向量的形式写出来，就是梯度。从几何意义上讲，梯度就是函数变化增加最...

原创 机器学习之K近邻法（KNN） 超简单的算法~~

今天复习的算法超级超级超级简单！！就是KNN！！！一、算法介绍算法思想：给定一个带标检的训练数据集（就是带分类结果的样本），对于一个新的输入实例，我们在训练数据集中以某种距离度量方式找出与该输入实例距离最近邻的k个实例。找出这k个实例（这也是knn中k的含义）中类别出现最多的那个类别，最后我们就将该新的输入实例划分为此类别。（没啦，是不是超简单~~哈哈哈）在此我们解释一下算法中的一些概...

原创 机器学习之贝叶斯（贝叶斯定理、贝叶斯网络、朴素贝叶斯）

一、概率知识点复习（1）条件概率就是事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为P(A|B)，读作“在B条件下A的概率”。（2）联合概率可以简单的理解为事件A与事件B都发生的概率，记为P(AB)或P(A, B)。此处就有  P(A, B) = P(A|B) * P(B)若事件A与事件B独立，则有 P(A, B) = P(A) * P(B)，这也说明了此时 ...

原创 机器学习之性能度量指标——决定系数R^2、PR曲线、ROC曲线、AUC值、以及准确率、查全率、召回率、f1_score

一、线性回归的决定系数（也称为判定系数，拟合优度）相关系数是R哈~~~就是决定系数的开方！正如题所说决定系数是来衡量回归的好坏，换句话说就是回归拟合的曲线它的拟合优度！也就是得分啦~~决定系数它是表征回归方程在多大程度上解释了因变量的变化，或者说方程对观测值的拟合程度如何。计算公式为：决定系数越大表拟合优度越好！Python中可直接调用score()方法来计算决定系数值...

原创 机器学习方法的概念总结（三刷！！！）

 想必很多伙伴都会在学习机器学习的时候，学习某个算法时，对文中或者视频中作者说的专业名词比较陌生。在此我总结了一些大家容易忽视的概念（大家记住就好，后面学习了机器学习算法就自然就懂啦~）。不要觉得没用哈~找工作的笔试可能会遇到哦~~1. 监督学习假设输入与输出的随机变量X和Y遵循联合概率分布P(X,Y)；训练数据与测试数据被看作是依赖联合概率分布P(X,Y)独立同分布产生的。2. 模型属于...