【算法-经典机器学习算法:线性回归。逻辑回归。决策树。支持向量机（SVM）。朴素贝叶斯（Naive Bayes）。】此文章归类为：[ "算法", "支持向量机", "逻辑回归", "决策树", "线性回归" ]。 目录 经典机器学习算法 分别举例说明这些算法的应用，并对比优劣以及实际应用场景。 更多

原创 周杰伦 7个月前 阅读: 200 阅读时长: 1分钟

【集成学习-机器学习：集成学习（Python）】此文章归类为：["集成学习","python","机器学习","人工智能","开发语言"]。 一、Adaboost算法 1.1 Adaboost分类算法 adaboost_discrete_c.py import numpy as np import copy from ch4.decision_tree_C import Decis

原创 周杰伦 8个月前 阅读: 162 阅读时长: 9分钟

【支持向量机-机器学习：ROC与AUC（Python）】此文章归类为：["支持向量机","python","机器学习","人工智能","开发语言"]。 """ ROC全称是“受试者工作特征”(Receiver Operating Characteristic)曲线。 根据学习器的预测结果，把阈值从0变到最大，即刚开始是把每个样本作为正例进行预测，随着阈值的增大，学习器预测正样例数越来越少， 直

原创 周杰伦 9个月前 阅读: 298 阅读时长: 9分钟

【算法-机器学习-逻辑回归【手撕】】此文章归类为：["算法","机器学习","人工智能","逻辑回归","数据挖掘"]。 逻辑回归 在模式识别问题中，所输出的结果是分类，比如是否是猫，这时候无法通过简单的线性回归来实现问题。同时，与线性回归不同的是，逻辑回归是一种名为回归的线性分类器，并常用于二分类，其本质是由线性回归变化而来的，一种广泛使用于分类问题中的广义回归算法。

原创 周杰伦 9个月前 阅读: 212 阅读时长: 9分钟

【编程技术-影像组学介绍】此文章归类为：编程技术。 影像组学介绍 1 影像组学介绍 2 具体提取影像组学方法流程及工具代码： 2.1 影像数据获取 2.2 感兴趣区域分割 2.3 特征提取与降维选择 2.3.1 特征提取： 2.3.2 特征

原创 周杰伦 10个月前 阅读: 293 阅读时长: 9分钟

【机器学习-【机器学习】常见算法详解第1篇：K近邻 KNN和API使用（已分享，附代码）】此文章归类为：["机器学习","人工智能"]。 本系列文章md笔记（已分享）主要讨论机器学习算法相关知识。机器学习算法文章笔记以算法、案例为驱动的学习，伴随浅显易懂的数学知识，让大家掌握机器学习常见算法原理，应用Scikit-learn实现机器学习算法的应用，结合场景解决实际问题

原创 周杰伦 10个月前 阅读: 251 阅读时长: 9分钟

【笔记-人工智能基础_机器学习047_用逻辑回归实现二分类以上的多分类_手写代码实现逻辑回归OVR概率计算---人工智能工作笔记0087】此文章归类为：["笔记","机器学习","人工智能","逻辑回归","分类"]。 然后我们再来看一下如何我们自己使用代码实现逻辑回归的,对二分类以上,比如三分类的概率计算 我们还是使用莺尾花数据 首先我们把公式写出来 def sigm

原创 周杰伦 1年前 阅读: 299 阅读时长: 2分钟

【算法-逻辑回归】此文章归类为：["算法","机器学习","人工智能","逻辑回归","数据挖掘"]。 目录 第1关：逻辑回归核心思想 相关知识 什么是逻辑回归 编程要求 代码文件 第2关：逻辑回归的损失函数 相关知识 为什么需要损失函数 逻辑回归的损失函数 题目答案 第3关：梯度下降 相关知识 什么是梯度 梯度下降算法原理 编程要求

原创 周杰伦 1年前 阅读: 266 阅读时长: 9分钟

【算法-【人工智能Ⅰ】8-回归 & 降维】此文章归类为：["算法","机器学习","人工智能","回归","数据挖掘"]。 【人工智能Ⅰ】8-回归 & 降维 8-1 模型评价指标 分类任务 准确率、精确率与召回率、F值、ROC-AUC、混淆矩阵、TPR与FPR 回归任务 MSE、MAE、RMSE 无监督任务（聚类） 兰德指数、互信息、轮廓

原创 周杰伦 1年前 阅读: 304 阅读时长: 9分钟

【编程技术-【赠书第4期】机器学习与人工智能实战：基于业务场景的工程应用】此文章归类为：编程技术。 文章目录 前言 1 机器学习基础知识 2 人工智能基础知识 3 机器学习和人工智能的实战案例 4 总结 5 推荐图书 6 粉丝福利 前言 机器学习与人工智能是当前最热门的领域之一，也是未来发展的方向。随着科技的不断进步，越来越多的企业开始关注和投入机器学

原创 周杰伦 1年前 阅读: 379 阅读时长: 9分钟