12k 字 11 分钟

# 第一个代码：KNN 鸢尾花分类 使用 sklearn 库 # 基础库 import matplotlib.pyplot as plt import matplotlib matplotlib.rcParams['font.sans-serif'] = ['SimHei'] matplotlib.rcParams['axes.unicode_minus'] = False # sklearn 模块 from sklearn import datasets from sklearn.model_selection import...
21k 字 19 分钟

# 哈希 # 1 两数之和 思路：二分查找。不过要注意下标，采用下标索引转换。 public int[] twoSum(int[] nums, int target) { int n = nums.length; Integer[] indices = new Integer[n]; for (int i = 0; i < n; i++) { indices[i] = i; } Arrays.sort(indices, Comparator.comparingInt(a -> nums[a])); for (int i...
2.1k 字 2 分钟

# 简介 数据集：SMS Spam Collection Dataset 目标：将短信分为 ham 和 spam 两类 # 使用的模型 # 文本嵌入 TF-IDF # 监督学习 SVM 决策树 朴素贝叶斯 # 无监督学习 k-means gmm dbscan # 项目过程 主要是下面几个阶段： 数据预处理（数据加载，清洗，向量化） 模型训练 模型评估 对于监督学习模型，数据还进行了特征标准化；训练测试比为 8：2 对于无监督模型，数据进行了 PCA 降维 # 评估结果 # 无监督模型 总体性能较差，难以实现分类的目的。 # k-means 混淆矩阵： [4596 229] [...
1.1k 字 1 分钟

（还没详细看基础理论，放的是 gpt 的总结整理） # K-Means 原理： 目标是将数据划分为 K 个簇，使簇内的样本尽可能相似，簇间尽可能不同。 核心思想：最小化样本点到其所在簇质心（centroid）的距离平方和。 算法步骤： 随机选择 KKK 个初始质心。 将每个样本分配到最近的质心所代表的簇。 重新计算每个簇的质心。 重复步骤 2 和 3，直到质心不再变化或达到最大迭代次数。 优点： 简单、高效 缺点： 只能发现凸形簇，对初始质心敏感，不适用于不同方差或非球形分布的数据 # GMM 原理： 假设数据是由多个高斯分布组成的混合体，每个高斯分布代表一个簇。 通过...