从零实现5大机器学习基础算法:Python代码与数学推导

news2026/5/1 0:59:45
1. 从零实现机器学习基础算法的必要性在机器学习领域调用现成的库如scikit-learn固然方便但真正理解算法本质的开发者都会选择自己动手实现一遍。这就像学习烹饪时从切菜开始准备食材比直接使用预制菜更能掌握料理的精髓。自己动手实现基础算法有三个不可替代的价值深入理解数学原理每个公式都会转化为具体的代码逻辑掌握实现细节了解算法在各种边界条件下的表现培养工程能力从理论到实践的完整闭环训练Python作为机器学习的主流语言其清晰的语法和丰富的科学计算生态NumPy、Matplotlib特别适合用来实现这些算法。下面我将带您完整实现5个最基础的机器学习算法包括它们的数学推导和Python实现技巧。2. 准备工作与环境搭建2.1 基础工具链配置推荐使用Python 3.8环境这是目前最稳定的版本。我们需要以下基础库pip install numpy matplotlib注意虽然可以单独实现所有数学运算但使用NumPy不仅能提高性能其API设计也更贴近数学表达形式方便我们验证实现的正确性。2.2 测试数据集准备为了方便验证算法效果我们准备两个经典数据集线性回归测试数据使用正弦函数加噪声生成def make_regression_data(n_samples100): X np.linspace(0, 2*np.pi, n_samples) y np.sin(X) np.random.normal(0, 0.1, n_samples) return X.reshape(-1,1), y分类测试数据使用sklearn的make_classification生成仅用于测试不用于算法实现from sklearn.datasets import make_classification X, y make_classification(n_features2, n_redundant0, n_informative2)3. 线性回归实现3.1 数学原理推导普通最小二乘法(OLS)的目标是最小化残差平方和 $$ \min_w |Xw - y|_2^2 $$其解析解为 $$ w (X^TX)^{-1}X^Ty $$3.2 Python实现代码class LinearRegression: def __init__(self): self.w None def fit(self, X, y): # 添加偏置项 X np.hstack([np.ones((X.shape[0], 1)), X]) # 计算解析解 self.w np.linalg.inv(X.T X) X.T y def predict(self, X): X np.hstack([np.ones((X.shape[0], 1)), X]) return X self.w3.3 梯度下降实现当数据量较大时可以使用梯度下降法def fit_gd(self, X, y, lr0.01, n_iters1000): X np.hstack([np.ones((X.shape[0], 1)), X]) self.w np.zeros(X.shape[1]) for _ in range(n_iters): grad 2 * X.T (X self.w - y) / len(y) self.w - lr * grad实操技巧学习率(lr)通常从0.01开始尝试观察损失函数下降曲线调整4. 逻辑回归实现4.1 Sigmoid函数与决策边界逻辑回归使用sigmoid函数将线性输出映射到(0,1)区间 $$ \sigma(z) \frac{1}{1e^{-z}} $$决策边界为 $$ w^Tx b 0 $$4.2 交叉熵损失函数损失函数定义为 $$ J(w) -\frac{1}{m}\sum_{i1}^m [y^{(i)}\log(h(x^{(i)})) (1-y^{(i)})\log(1-h(x^{(i)}))] $$其梯度为 $$ \nabla_w J(w) \frac{1}{m}X^T(\sigma(Xw) - y) $$4.3 Python实现class LogisticRegression: def __init__(self, lr0.01, n_iters1000): self.lr lr self.n_iters n_iters self.w None def _sigmoid(self, z): return 1 / (1 np.exp(-z)) def fit(self, X, y): X np.hstack([np.ones((X.shape[0], 1)), X]) self.w np.zeros(X.shape[1]) for _ in range(self.n_iters): z X self.w h self._sigmoid(z) grad X.T (h - y) / len(y) self.w - self.lr * grad def predict_proba(self, X): X np.hstack([np.ones((X.shape[0], 1)), X]) return self._sigmoid(X self.w) def predict(self, X, threshold0.5): return (self.predict_proba(X) threshold).astype(int)5. K近邻算法实现5.1 距离度量选择常用的距离度量包括欧式距离$\sqrt{\sum_{i1}^n (x_i - y_i)^2}$曼哈顿距离$\sum_{i1}^n |x_i - y_i|$余弦相似度$\frac{x \cdot y}{|x||y|}$5.2 投票机制实现class KNN: def __init__(self, k3, metriceuclidean): self.k k self.metric metric def _distance(self, a, b): if self.metric euclidean: return np.sqrt(np.sum((a - b)**2)) elif self.metric manhattan: return np.sum(np.abs(a - b)) def fit(self, X, y): self.X_train X self.y_train y def predict(self, X): preds [] for x in X: # 计算所有训练样本的距离 distances [self._distance(x, x_train) for x_train in self.X_train] # 获取最近的k个样本索引 k_indices np.argsort(distances)[:self.k] # 获取对应标签 k_labels self.y_train[k_indices] # 多数投票 pred np.bincount(k_labels).argmax() preds.append(pred) return np.array(preds)性能优化提示对于大数据集可以使用KD树或Ball树加速近邻搜索6. 朴素贝叶斯实现6.1 概率计算公式对于分类问题我们需要计算 $$ P(y|x_1,...,x_n) \frac{P(y)P(x_1|y)...P(x_n|y)}{P(x_1,...,x_n)} $$由于分母相同比较分子即可 $$ \hat{y} \arg\max_y P(y)\prod_{i1}^n P(x_i|y) $$6.2 高斯朴素贝叶斯实现class GaussianNB: def __init__(self): self.class_priors None self.class_means None self.class_vars None def fit(self, X, y): self.classes np.unique(y) n_classes len(self.classes) n_features X.shape[1] self.class_priors np.zeros(n_classes) self.class_means np.zeros((n_classes, n_features)) self.class_vars np.zeros((n_classes, n_features)) for i, c in enumerate(self.classes): X_c X[y c] self.class_priors[i] len(X_c) / len(X) self.class_means[i] X_c.mean(axis0) self.class_vars[i] X_c.var(axis0) def _gaussian_pdf(self, x, mean, var): return np.exp(-(x - mean)**2 / (2 * var)) / np.sqrt(2 * np.pi * var) def predict(self, X): posteriors [] for i, c in enumerate(self.classes): prior np.log(self.class_priors[i]) likelihood np.sum(np.log(self._gaussian_pdf(X, self.class_means[i], self.class_vars[i])), axis1) posterior prior likelihood posteriors.append(posterior) return self.classes[np.argmax(np.array(posteriors), axis0)]7. 决策树实现7.1 信息增益计算使用信息增益选择最佳分割特征 $$ IG(D_p, f) I(D_p) - \sum_{j1}^m \frac{N_j}{N_p}I(D_j) $$其中$I$可以是基尼系数或熵基尼系数$I_G(t) 1 - \sum_{i1}^c p(i|t)^2$熵$I_E(t) -\sum_{i1}^c p(i|t)\log_2 p(i|t)$7.2 递归构建决策树class DecisionTree: def __init__(self, max_depthNone, criteriongini): self.max_depth max_depth self.criterion criterion self.tree None def _gini(self, y): _, counts np.unique(y, return_countsTrue) probs counts / len(y) return 1 - np.sum(probs**2) def _entropy(self, y): _, counts np.unique(y, return_countsTrue) probs counts / len(y) return -np.sum(probs * np.log2(probs)) def _information_gain(self, X_col, y, split_threshold): parent_impurity self._gini(y) if self.criterion gini else self._entropy(y) left_idx X_col split_threshold right_idx X_col split_threshold n, n_left, n_right len(y), sum(left_idx), sum(right_idx) if n_left 0 or n_right 0: return 0 child_impurity (n_left/n)*self._gini(y[left_idx]) (n_right/n)*self._gini(y[right_idx]) \ if self.criterion gini else \ (n_left/n)*self._entropy(y[left_idx]) (n_right/n)*self._entropy(y[right_idx]) return parent_impurity - child_impurity def _best_split(self, X, y): best_gain -1 best_feature, best_threshold None, None for feature_idx in range(X.shape[1]): X_col X[:, feature_idx] thresholds np.unique(X_col) for threshold in thresholds: gain self._information_gain(X_col, y, threshold) if gain best_gain: best_gain gain best_feature feature_idx best_threshold threshold return best_feature, best_threshold def _build_tree(self, X, y, depth0): n_samples, n_features X.shape n_classes len(np.unique(y)) # 终止条件 if (self.max_depth is not None and depth self.max_depth) or n_classes 1: return {class: np.bincount(y).argmax()} # 寻找最佳分割 feature, threshold self._best_split(X, y) if feature is None: return {class: np.bincount(y).argmax()} # 递归构建子树 left_idx X[:, feature] threshold right_idx X[:, feature] threshold left_subtree self._build_tree(X[left_idx], y[left_idx], depth1) right_subtree self._build_tree(X[right_idx], y[right_idx], depth1) return { feature: feature, threshold: threshold, left: left_subtree, right: right_subtree } def fit(self, X, y): self.tree self._build_tree(X, y) def _predict_sample(self, x, node): if class in node: return node[class] if x[node[feature]] node[threshold]: return self._predict_sample(x, node[left]) else: return self._predict_sample(x, node[right]) def predict(self, X): return np.array([self._predict_sample(x, self.tree) for x in X])8. 算法评估与比较8.1 评估指标实现def accuracy_score(y_true, y_pred): return np.sum(y_true y_pred) / len(y_true) def mean_squared_error(y_true, y_pred): return np.mean((y_true - y_pred)**2)8.2 交叉验证实现def cross_val_score(model, X, y, cv5, scoringaccuracy): n_samples len(X) fold_size n_samples // cv indices np.arange(n_samples) np.random.shuffle(indices) scores [] for i in range(cv): start i * fold_size end (i 1) * fold_size if i ! cv - 1 else n_samples test_idx indices[start:end] train_idx np.concatenate([indices[:start], indices[end:]]) X_train, X_test X[train_idx], X[test_idx] y_train, y_test y[train_idx], y[test_idx] model.fit(X_train, y_train) y_pred model.predict(X_test) if scoring accuracy: score accuracy_score(y_test, y_pred) elif scoring mse: score mean_squared_error(y_test, y_pred) scores.append(score) return np.array(scores)9. 工程实践中的优化技巧9.1 数值稳定性处理在逻辑回归中sigmoid函数可以改写为数值稳定的版本def _sigmoid(self, z): # 防止数值溢出 z np.clip(z, -500, 500) return 1 / (1 np.exp(-z))9.2 向量化计算优化以线性回归为例矩阵运算比循环快100倍以上# 不好的实现 def predict(self, X): return np.array([np.dot(x, self.w) for x in X]) # 好的实现 def predict(self, X): return X self.w9.3 超参数调优策略实现简单的网格搜索def grid_search(model, X, y, param_grid, cv5): best_score -np.inf best_params None # 生成参数组合 keys, values zip(*param_grid.items()) for params in itertools.product(*values): params_dict dict(zip(keys, params)) model.set_params(**params_dict) scores cross_val_score(model, X, y, cvcv) mean_score np.mean(scores) if mean_score best_score: best_score mean_score best_params params_dict return best_params, best_score10. 扩展与进阶方向掌握了这些基础算法实现后可以考虑以下进阶方向正则化实现为线性回归和逻辑回归添加L1/L2正则化项多分类扩展改造逻辑回归为softmax回归核方法实现为SVM添加核函数支持集成方法基于决策树实现随机森林和GBDT神经网络从零实现多层感知机每个算法的完整实现通常需要考虑更多工程细节比如异常值处理缺失值处理类别不平衡处理在线学习支持并行计算优化这些实现虽然比直接调用库更复杂但对理解算法本质和提升工程能力有着不可替代的作用。建议读者在理解本文代码的基础上尝试为每个算法添加更多功能和优化。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2551501.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…