机器学习之分类算法_本科时粗浅的搞过一段时间的集成学习,当然正如前面所说,就真的是很粗浅的,今日再

作者：Monodyee | 2024-05-03 06:54:16

踩

本科时粗浅的搞过一段时间的集成学习,当然正如前面所说,就真的是很粗浅的,今日再

1、KNN算法

参考文献：

理论来源：

机器学习之KNN（k近邻）算法详解_平原的博客-CSDN博客_knn1-1 机器学习算法分类一、基本分类：①监督学习（Supervised learning）数据集中的每个样本有相应的“正确答案”，根据这些样本做出预测，分有两类：回归问题和分类问题。步骤1：数据集的创建和分类步骤2：训练步骤3：验证步骤4：使用（ 1）回归问题举例例如：预测房价，根据样本集拟合出一条连续曲线。（ 2） ...https://blog.csdn.net/sinat_30353259/article/details/80901746代码来源

机器学习之KNN最邻近分类算法_pengjunlee的博客-CSDN博客_knn分类KNN算法简介KNN（K-Nearest Neighbor）最邻近分类算法是数据挖掘分类（classification）技术中最简单的算法之一，其指导思想是”近朱者赤，近墨者黑“，即由你的邻居来推断出你的类别。KNN最邻近分类算法的实现原理：为了判断未知样本的类别，以所有已知类别的样本作为参照，计算未知样本与所有已知样本的距离，从中选取与未知样本距离最近的K个已知样本，根据少数服从多数...https://blog.csdn.net/pengjunlee/article/details/82713047?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163833847816780269819265%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=163833847816780269819265&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_positive~default-1-82713047.first_rank_v2_pc_rank_v29&utm_term=KNN&spm=1018.2226.3001.4187 Python3《机器学习实战》学习笔记（一）：k-近邻算法(史诗级干货长文)_Jack-Cui-CSDN博客_python3机器学习实战本文将从k-邻近算法的思想开始讲起，使用python3一步一步编写代码进行实战训练。并且，我也提供了相应的数据集，对代码进行了详细的注释。除此之外，本文也对sklearn实现k-邻近算法的方法进行了讲解。实战实例：电影类别分类、约会网站配对效果判定、手写数字识别。https://blog.csdn.net/c406495762/article/details/75172850?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163833847816780269819265%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=163833847816780269819265&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_positive~default-3-75172850.first_rank_v2_pc_rank_v29&utm_term=KNN&spm=1018.2226.3001.4187

2、决策树

参考文献：

决策树（decision tree）(一)——构造决策树方法_天泽28的专栏-CSDN博客_决策树决策树（decision tree）说明：这篇博客是看周志华老师的《机器学习》（西瓜书）的笔记总结，博客中有大段文字摘自周老师的《机器学习》书，仅供学习交流使用。转载博客务必注明出处和作者，谢谢。决策树算法起源于E.B.Hunt等人于1966年发表的论文“experiments in Induction”，但真正让决策树成为机器学习主流算法的还是Quinlan（罗斯.昆兰）大神（2011年https://blog.csdn.net/u012328159/article/details/70184415?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163831848816780269831482%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=163831848816780269831482&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_positive~default-2-70184415.first_rank_v2_pc_rank_v29&utm_term=%E5%86%B3%E7%AD%96%E6%A0%91&spm=1018.2226.3001.4187

以上博客是一个完整的，里面涉及决策树的整个建模流程。

5.1、随机深林

随机森林（random forest）_天泽28的专栏-CSDN博客_随机森林属性随机随机森林（random forest）写在前面：本博客为周志华《机器学习》随机森林部分的读书笔记，虽有自己微小的理解补充，但理论部分大部分内容依然来自西瓜书。集成学习系列博客：集成学习（ensemble learning）基础知识随机森林（random forest）在前面一篇博客里（集成学习（ensemble learning）基础知识）梳理了集成学习中的基础知识，今天这篇博客就来...https://blog.csdn.net/u012328159/article/details/89814358?spm=1001.2014.3001.55025.2、Adboost

AdaBoost算法（一）——基础知识篇_天泽28的专栏-CSDN博客_adaboostAdaBoost算法（一）——基础知识篇集成学习系列博客：集成学习（ensemble learning）基础知识随机森林（random forest）AdaBoost算法（一）——基础知识篇在前面博客集成学习（ensemble learning）基础知识中介绍了集成学习方法大体可分为Boosting、Bagging和Stacking。在Boosting算法族中最著名的就是AdaBo...https://blog.csdn.net/u012328159/article/details/89847193?spm=1001.2014.3001.5502 AdaBoost算法（二）——理论推导篇_天泽28的专栏-CSDN博客_adaboost算法推导AdaBoost算法（二）——理论推导篇集成学习系列博客：集成学习（ensemble learning）基础知识随机森林（random forest）AdaBoost算法（一）——基础知识篇AdaBoost算法（二）——理论推导篇在前面AdaBoost算法（一）——基础知识篇中详细介绍了adaboost的基础知识和原理，如果你只想了解adaboost的基本原理那么只看那篇博客就足...https://blog.csdn.net/u012328159/article/details/91150176 6、神经网络

从90年代的SRNN开始，纵览循环神经网络27年的研究进展本文将介绍循环神经网络的基础知识、近期发展和面临的挑战。https://mp.weixin.qq.com/s/PZMmjT9eXL7rU2pxkQWTiw

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Monodyee/article/detail/528346

机器学习之分类算法_本科时粗浅的搞过一段时间的集成学习,当然正如前面所说,就真的是很粗浅的,今日再

1、KNN算法

2、决策树

3、贝叶斯算法

4、支持向量机

5、集成学习