最近在研究机器学习，随手将学习的过程记录下来，方面自己的学习与回顾1. 机器学习是什么？ 机器学习(Machine Learning，ML)是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的一门科学技术。它使用计算机技术，应用微积分、概率论、统计学、信息论、逼近论、凸分析、算法等多种不同的理论与学科，针对分析目标建立有针对性的数据模型
转载
2023-07-27 19:15:47
293阅读
统计学习(statistical learning)是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科． 统计学习也称为统计机器学习(statistical machine learning). 统计学习的主要特点是: (1）统计学习以计算机及网络为平台，是建立在计算机及网 ...
转载
2021-11-02 10:13:00
743阅读
2评论
knn问题 k要取奇数svm: 首先看书。注意公式里的参数，不同地方的公式是不一样的。 C叫正则化系数或者惩罚因子，C越大，有越多的点越过间隔。 对于径向核函数，可以表示测试点附近有点能够影响， 选择原则是，we should probably set o to be a few times the typical distance from a point to its nearest
原创
2022-07-18 12:52:29
56阅读
关联规则学习1关联规则学习2k-均值例子层次聚类例子log-loss解析
原创
2022-07-18 12:53:05
63阅读
## 机器学习频数统计的实现流程
在机器学习中，频数统计是一个基本而重要的任务。它可以帮助我们对数据集进行初步的分析，了解各个特征值的出现频率，从而为后续的数据处理和模型训练提供基础。下面是机器学习频数统计的实现流程：
| 步骤 | 描述 |
| --- | --- |
| 1 | 导入必要的库和数据集 |
| 2 | 数据预处理 |
| 3 | 进行频数统计 |
| 4 | 结果可视化 |
原创
2023-07-20 21:25:28
83阅读
## 机器学习与统计的实现流程
### 1. 数据收集与预处理
在开始机器学习与统计分析之前，我们首先需要收集相关的数据，并对数据进行预处理。预处理包括数据清洗、数据转换和特征选择等步骤，以保证数据的质量和可用性。
#### 代码示例：
```python
import pandas as pd
# 读取数据
data = pd.read_csv('data.csv')
# 数据清洗
da
统计机器学习大纲！！！
监督学习：线性回归；逻辑回归；感知机；K近邻；决策树；朴素贝叶斯；支持向量机；最大熵模型
集成学习：Boosting系列算法；Bagging系列算法；AdaBoost算法；XgBoost算法；随机森林
无监督学习：k-means均值算法；BIRCH聚类算法；DBSCAN密度聚类算法；谱聚类
降维算法：主成分分析（PCA）；线性判别分析（LDA）；奇异值分解（SVD）；局部线性嵌入
推荐算法：Apriori关联算法；FPTree算法；PrefixSpan算法；协同过滤算法；矩阵分解推荐算法
特征工程：特征选择；特征表达；特征预处理
贝叶斯个性化推荐（BPR）算法、机器学习模型跨平台上限、异常点检测算法
原创
2021-05-20 20:02:14
224阅读
把统计方法引入机器学习领域，作为机器学习的一个方法论，取得了显著的成果。AI到底是不是一个完备性问题值得探讨，而模糊逻辑为探索语义完备性的应用范围开辟了一个好的方向，统计机器学习方法对规则的提取与模糊逻辑表象相似，统计机器学习方法妄图使用优良数据来表示...
转载
2013-09-23 09:53:00
54阅读
2评论
机器学习 -- 统计与分布机器学习中用到的一些统计方面的概念。1. 标准差 公式： 假设一个班有30个学生，每个学生的语文课的考试成绩是 Xi， 平均分是80，标准差 不是每个学生的成绩减去平均分的平方的和，再除以学生数，然后再开方。 意义： 标准差越大，表
原创
精选
2022-12-12 00:10:48
383阅读
点赞
# 机器学习 统计出现次数
## 引言
机器学习是一种通过算法和统计模型来让计算机系统自动从数据中学习规律和知识的领域。统计出现次数则是在数据分析中常用的一种技术，用于计算某个特定事件发生的频率。本文将介绍机器学习和统计出现次数的基本概念，并通过代码示例演示如何使用机器学习和统计出现次数来解决实际问题。
## 机器学习基础
机器学习是人工智能的一个重要分支，它通过让计算机从数据中学习模型和
# 多元统计与机器学习：探索数据的奥秘
## 引言
在当今数据驱动的时代，多元统计与机器学习成为了数据分析的核心技术。多元统计是研究多个变量之间关系的统计学分支，而机器学习则是一种让计算机从数据中学习和做出预测的技术。本文将探讨二者的基本概念，并通过示例代码与类图、流程图帮助大家更好地理解多元统计与机器学习。
## 多元统计：一个概述
多元统计分析重点在于理解和解释多个变量之间的关系。常见
统计机器学习导论是一本经典的机器学习教材，涵盖了机器学习的基本概念和方法。它从统计学的角度介绍了机器学习的基本原理和常用算法。本文将以这本书为基础，通过代码示例和简单易懂的解释，科普统计机器学习的基本知识。
## 1. 什么是机器学习？
在开始介绍机器学习之前，我们先来了解一下什么是机器学习。简单来说，机器学习是一种通过给计算机提供数据和算法，使其能够自动学习和改进的方法。它是人工智能的一个重
原创
2023-09-18 05:32:43
233阅读
教程笔记概述来源于课程MA429,讲述统计机器学习。是算法工程师的基础。本文阅读先决条件阅读并尽可能理解intro naive bayes.pdf这个课件。内容总结这个贝叶斯决策边界是实际的类别分类边界。还有我们设计的分类器的分类边界。 k在10个左右时，偏差和方差比较小，mse综合较小。k过大时，mse也会增大。维度灾难，维度诅咒curse of dimensionality在高维出现的数据样本
原创
2022-07-18 12:51:31
107阅读
1．统计学习是关于计算机基于数据构建概率统计模型并运用模型
原创
2022-11-01 16:56:46
177阅读
机器学习之概率统计基础文章目录机器学习之概率统计基础一、条件概率二、贝叶斯公式三、独立性注：本图片来源于《机
原创
2022-10-25 04:41:43
125阅读
机器学习之概率统计基础，机器学习学习笔记----08离散型的随机变量对于任意的我们获取的一组随机变量，最关
原创
2022-10-25 04:41:33
90阅读
万普尼克（Vapnik）建立的一套机器学习理论，使用统计的方法，因此有别于归纳学习等其
原创
2023-06-23 10:24:05
66阅读
# 应用统计和统计机器学习的关系
## 引言
统计机器学习是一种基于统计学原理和方法的机器学习方法，它通过利用数据中的统计特征来训练和优化模型，从而实现预测和决策。在实际应用中，应用统计和统计机器学习的关系密切，二者相互促进和补充。本文将介绍应用统计和统计机器学习的关系，并给出实现的步骤和代码示例。
## 步骤
下面是实现应用统计和统计机器学习的一般步骤，我们可以用表格展示。
| 步骤 |
原创
2023-07-22 14:19:37
53阅读
经典统计理论与贝叶斯统计理论的区别1.信息利用不同 经典统计根据样本信息对总体分布或者总体特征分布进行统计推断，只需要用两种信息：总体分布信息以及样本信息 贝叶斯统计除了利用这两种信息外还需要用到先验分布信息，特别重视先验信息的收集、挖掘、加工，使他数量化，提高统计推断的质量，利用三种信息可以得到：2.对主观概率的认同不同 经典统计的概率是大量重复实验中获得的 贝叶斯概率是根据自己的生活活动积累，
# 大数据统计和统计机器学习实现流程
作为一名经验丰富的开发者，我将帮助你了解并实现“大数据统计和统计机器学习”的流程。下面是整个流程的步骤表格：
| 步骤 | 描述 |
| ---- | ---- |
| 步骤1 | 数据收集和准备 |
| 步骤2 | 数据清洗和预处理 |
| 步骤3 | 特征工程 |
| 步骤4 | 模型训练和评估 |
| 步骤5 | 模型优化和调参 |
| 步骤6 |
原创
2023-08-03 07:07:51
87阅读
