程序员行莫

集成学习随机森林算法

集成学习随机森林算法 目录 引言:什么是随机森林? 第一部分:集成学习基础 第二部分:Bagging算法原理

行莫 发布于 2025-12-17

机器学习集成学习思想:Bagging、Boosting、Stacking

机器学习集成学习思想:Bagging、Boosting、Stacking 目录 引言:什么是集成学习? 第一部分:集成学习基础理论 第二部分:Bagging思想详解

行莫 发布于 2025-12-17

决策树CART回归算法

决策树CART回归算法 目录 引言:CART回归树是什么? 第一部分:回归问题与分类问题的区别 第二部分:C

行莫 发布于 2025-12-15

决策树CART分类算法

决策树CART分类算法 目录 引言:CART是什么? 第一部分:CART与ID3/C4.5的区别 第二部分:基尼不纯度详解

行莫 发布于 2025-12-15

决策树C4.5算法

决策树C4.5算法 目录 引言:C4.5是什么? 第一部分:C4.5与ID3的关系 第二部分:核心概念回顾

行莫 发布于 2025-12-12

决策树ID3算法

决策树ID3算法 目录 引言:决策树是什么? 第一部分:核心概念基础 第二部分:信息熵详解

行莫 发布于 2025-12-11

机器学习 Java 实现 Smile 库

机器学习 Java 实现 Smile 库 引言 想象一下,你要在 Java 项目中实现机器学习: 方法1:从零开始实现所有算法(耗时且容易出错) 方法2:使用现成的库,快速高效地完成项目 Smile 就像 Java 机器学习的"专业工具包",提供了丰富的算法、统一的 API 和优秀的性能,让你能够在

行莫 发布于 2025-12-08

逻辑回归详解

逻辑回归详解 引言 想象一下,你要判断一封邮件是否是垃圾邮件: 方法1:直接给出"是"或"不是"(太绝对) 方法2:给出"80%可能是垃圾邮件"(更合理) 逻辑回归就像方法2——它不直接预测类别,而是预测概率,然后根据概率来判断类别。 本文将用生动的类比、详细的数学原理和丰富的可视化,带你深入理解逻

行莫 发布于 2025-12-08

线性回归详解

线性回归详解 引言 想象一下,你要预测一个学生的成绩: 方法1:只看学习时间,时间越长成绩越好(简单方法) 方法2:看学习时间、复习次数、作业完成度等多个因素(复杂方法) 线性回归就像这两种方法——通过找到输入和输出之间的线性关系,来预测未知的结果。 本文将用生动的类比、详细的数学原理和丰富的可视化

行莫 发布于 2025-11-24

机器学习算法常见距离计算

机器学习算法常见距离计算 引言 想象一下,你要判断一个新来的同学和谁最相似: 方法1:看直线距离有多远(欧式距离) 方法2:看需要走多少条街才能到达(曼哈顿距离) 方法3:看最远的那一维差距有多大(切比雪夫距离) 方法4:根据情况灵活选择距离计算方式(闵可夫斯基距离) 在 KNN(K-Nearest

行莫 发布于 2025-11-24
上一页 下一页