文章目录手写识别系统手写识别系统为了简单起见，这里构造的系统只能识别数字0到9，参见图2-6。需要识别的数字已经使用图形处理软件，处理成具有相同的色彩和大小[插图]：宽高是32像素×32像素的黑白图像。尽管采用文本格式存储图像不能有效地利用内存空间，但是为了方便理解，我们还是将图像转换为文本格式。...

文章目录1. 用于回归的线性模型2. 线性回归（普通最小二乘法）线性模型利用输入特征的线性函数（linear function）进行预测1. 用于回归的线性模型对于回归问题，线性模型预测的一般公式如下：y^=w[0]∗x[0]+w[1]∗x[1]+⋯+w[p]∗x[p]+b\hat{y} = w[0] * x[0] + w[1] *x[1] + \cdots + w[p] * x[p] + by^

文章目录一、设置问题二、定义模型三、最小二乘法最速下降法一、设置问题例：广告费和点击量如果花费200元，点击量大约是500次二、定义模型把图想象为函数。只要知道通过图中各点的函数的形式，就能根据广告费得知点击量。点击量经常变化，这叫作“点击量中含有噪声”，所以函数并不能完美地通过所有的点。图像为一次函数，确定了斜率和截距，就能确定一次图像的形状。y=θ0+θ1x(2.1) y = \theta_0

上一篇：【普通最小二乘法】文章目录岭回归增大alpha减小alphaalpha与模型复杂度的对应关系完整代码岭回归Ridge 回归通过对系数的大小施加惩罚来解决 普通最小二乘法 的一些问题。岭系数最小化的是带罚项的残差平方和，min w∣∣Xw−y∣∣22+α∣∣w∣∣22\underset{w}{min\,} {{|| X w - y||_2}2 + \alpha {||w||_2}2}wmin

文章目录决策树决策树特点决策树算法决策树流程数据：海洋生物数据一、信息增益使用python计算信息熵测试数据二、划分数据集按照给定特征划分数据集测试选择最好的数据集划分方式测试三、递归构建决策树多数表决创建树的函数代码测试：决策树决策树特点优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据。缺点：可能会产生过度匹配问题。适用数据类型：数值型和标称型。决策树算法在构

MAP，即平均精度均值，是目标检测领域常用的性能评估指标。它结合了精度（Precision）和召回率（Recall）两个重要概念，能够全面反映模型的检测性能。精度表示检测出来的目标中，真正是目标对象的比例；而召回率则表示所有目标对象中，被检测出来的比例。通过计算不同召回率下的精度，并绘制PR（Precision-Recall）曲线，我们可以得到AP（Average Precision），即PR曲线

上一篇：【普通最小二乘法】文章目录岭回归增大alpha减小alphaalpha与模型复杂度的对应关系完整代码岭回归Ridge 回归通过对系数的大小施加惩罚来解决 普通最小二乘法 的一些问题。岭系数最小化的是带罚项的残差平方和，min w∣∣Xw−y∣∣22+α∣∣w∣∣22\underset{w}{min\,} {{|| X w - y||_2}2 + \alpha {||w||_2}2}wmin

文章目录决策树决策树特点决策树算法决策树流程数据：海洋生物数据一、信息增益使用python计算信息熵测试数据二、划分数据集按照给定特征划分数据集测试选择最好的数据集划分方式测试三、递归构建决策树多数表决创建树的函数代码测试：决策树决策树特点优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据。缺点：可能会产生过度匹配问题。适用数据类型：数值型和标称型。决策树算法在构

文章目录手写识别系统手写识别系统为了简单起见，这里构造的系统只能识别数字0到9，参见图2-6。需要识别的数字已经使用图形处理软件，处理成具有相同的色彩和大小[插图]：宽高是32像素×32像素的黑白图像。尽管采用文本格式存储图像不能有效地利用内存空间，但是为了方便理解，我们还是将图像转换为文本格式。...

MAP，即平均精度均值，是目标检测领域常用的性能评估指标。它结合了精度（Precision）和召回率（Recall）两个重要概念，能够全面反映模型的检测性能。精度表示检测出来的目标中，真正是目标对象的比例；而召回率则表示所有目标对象中，被检测出来的比例。通过计算不同召回率下的精度，并绘制PR（Precision-Recall）曲线，我们可以得到AP（Average Precision），即PR曲线