2026年11月的文章 第55页
第 8 章 无监督学习
8.1 聚类 8.1.1 聚类简介 聚类(Clustering)旨在将数据集中的样本分成若干个簇,使得同一个簇内的对象彼此相似,不同簇间的对象差异较大。聚类是一种无监督学习算法,不需要预先标记数据的标签...
7.4 集成学习
集成学习(Ensemble Learning)通过某种策略组合多个个体学习器的预测结果来提高整体的预测能力。只包含同种类型的个体学习器的集成称为同质集成,例如决策树集成中全是决策树,同质集成中的个...
7.3 支持向量机
7.3.1 支持向量机简介 支持向量机(Support Vector Machines,SVM)是一种二分类模型。其核心目标是寻找一个“间隔最大”的超平面将不同类别的数据点分隔开。这个超平面在二维空间中是一条直线...
7.2 决策树
7.2.1 决策树简介 决策树(Decision Tree)是一种基于树形结构的算法,根据一系列条件判断逐步划分数据,缩小范围,最终得出预测结果。决策树由4部分组成: 根节点:树的节点,包含所有数据。 ...
第 7 章 其他监督学习算法
7.1 朴素贝叶斯法 7.1.1 朴素贝叶斯法简介 朴素贝叶斯(naive Bayes)法是一种基于概率的机器学习算法。它基于贝叶斯定理,并假设特征之间相互独立(这就是“朴素”的来源)。朴素贝叶斯法实现...
第 6 章 感知机
6.1 感知机的概念 感知机(Perceptron)是二分类模型,接收多个信号,输出一个信号。感知机的信号只有0、1两种取值。下图是一个接收两个输入信号的感知机的例子: 6.2 简单逻辑电路 6.2.1 与门 ...
5.3 案例:手写数字识别
5.3.1 数据集说明 Digit Recognizer数据集:https://www.kaggle.com/competitions/digit-recognizer。 文件train.csv中包含手绘数字(从0到9)的灰度图像,每张图像为28×28像素,共784像素。每...
5.2 多分类任务
逻辑回归通常用于二分类问题,但可以通过一对多(One-vs-Rest,OvR)以及Softmax回归(Multinomial Logistic Regression,多项逻辑回归)来扩展到多分类任务。 5.2.1 一对多(OVR) 实现方式 若...
第 5 章 逻辑回归
5.1 逻辑回归简介 5.1.1 什么是逻辑回归 逻辑回归(Logistic Regression)是一种用于解决分类问题的统计方法,尤其适用于二分类问题。尽管名称中有“回归”,但它主要用于分类任务。 逻辑回归通...
4.3 案例:广告投放效果预测
4.3.1 数据集说明 Advertising数据集:https://www.kaggle.com/datasets/tawfikelmetwally/advertising-dataset。 ID:序号 TV:电视广告投放金额,单位千元 Radio:广播广告投放金额,单位千元...











