1 机器学习基础 1.1 机器学习的定义与核心概念 为了更深入地理解机器学习，我们可以从以下核心概念入手： 数据驱动：机器学习完全依赖于数据。这些数据既可以是结构化的，如表格，也可以是非结...

1.线性回归引言 回归分析是一种强大的统计方法，允许我们检查两个或多个变量之间的关系。通过这种分析，我们可以用一个或多个自变量来预测因变量的值。在机器学习和数据科学中，回归算法是一种...

引言 在机器学习和数据分析领域，当数据的维度特别高时，处理和分析数据就会变得尤为困难。这是因为随着维度的增加，数据的稀疏性也会增加，这种现象被称为“维度的诅咒”。为了克服这个挑战，...

主成分分析（PCA）是一种统计方法，用于减少数据的维度，同时尽量保留原始数据中的方差。PCA在机器学习和数据可视化中有着坚实的地位，因为它可以有效地简化数据，同时保留其核心特征。 1 算法...

引言 岭回归: 通过向线性回归中引入L2正则化项防止过拟合。 LASSO回归: 通过向线性回归中引入L1正则化项实现特征选择。 L1正则化与LASSO回归 L1正则化通过在损失函数中添加参数权重的绝对值和的...

t-SNE是一种用于探索高维数据结构的非线性降维技术。它特别适用于高维数据的可视化，因为它能够在低维空间中保留原始高维数据的局部结构。由于这个特性，t-SNE在机器学习和数据分析领域越来越受...

DBSCAN是在1990年代后期推出的一种聚类方法，它迅速成为基于密度的聚类技术中最受欢迎和广泛使用的算法之一。与传统的聚类方法如K-means不同，DBSCAN的主要优势在于其能够识别出任意形状的聚类...

层次聚类是一种非常独特和强大的聚类方法，与众多其他的聚类技术相比，它不仅为数据集提供了一个划分，还给出了一个层次结构，这在某些应用中是非常有价值的。在生物信息学、社会网络分析、市场...

逻辑回归算法解读 基本原理: 有了之前线性回归的学习，我们学习逻辑回归是非常简单的，核心就是通过sigmoid函数将线性回归的输出映射到(0,1)区间，表示为概率。简单来说，逻辑回归模型的输出是...

算法解读 多项式回归是回归分析的一种形式，它允许因变量 \(y\) 与自变量 \(x\) 之间的关系模型化为 \(x\) 的 \(n\) 次多项式。多项式回归的标准形式如下:$$y=\beta_0+\beta_1 x+\beta_2 x^2+\b...

引言 基本概念: K-最近邻居（KNN）算法是一种基于实例的学习，它用于分类和回归。在分类中，一个对象的分类由其邻居的“多数投票”决定，即对象被分配到其k个最近邻居中最常见的类别中。 重要性...