- 博客(5)
- 收藏
- 关注
RSS订阅原创 机器学习中的线性回归模型
假设我们有一组数据点(x_1,y_1),(x_2,y_2),\cdots,(x_n,y_n)，线性回归模型的目标是找到一条直线y = wx + b，其中w是斜率（权重），b是截距，使得预测值\hat{y}=wx+b与实际值y之间的差异最小。例如，可以使用公司的财务指标、宏观经济数据等作为自变量，股票价格作为因变量，建立线性回归模型。例如，w表示自变量x对因变量y的影响程度，b表示当x = 0时y的取值。- 可以使用房屋的面积、位置、房间数量等特征作为自变量，房价作为因变量，建立线性回归模型来预测房价。
2024-09-16 17:14:28
401
原创 机器学习中的模型评估与模型参数选择
通过参数搜索、早停法、经验法则等方法，我们可以找到最佳的模型参数组合，提高模型的性能和泛化能力。在实际应用中，我们需要根据具体问题和数据特点，选择合适的评估方法和参数选择策略，不断优化模型，以获得更好的结果。在机器学习的世界里，模型评估与模型参数选择是至关重要的环节，它们直接决定了模型的性能和泛化能力。在模型训练过程中，我们可以定期评估模型在验证集上的性能，如果性能不再提高，则停止训练，避免模型过度拟合训练数据。例如，对于某些问题，我们可以根据数据的特点和问题的性质，选择合适的模型结构和参数范围。
2024-09-16 16:52:10
452
原创 机器学习中的监督学习
如果数据集中样本点只包含了模型的输入x，那么就要采用非监督学习的算法；如果这些样本点以（x，y）这样的输入-输出二元组的形式出现（有数据标签），那么就可以采样监督学习的算法；
2024-09-16 16:19:58
690
原创 机器学习算法与流程
1.机器学习是一门容易但精通难的学科2.机器学习分析人员需要掌握行业知识以了解业务流程、理解数据背后的隐含信息以合理解读数据、从变化的角度和时间维度把握需求以确定使用哪些数据，这是数据分析的基础3.机器学习的主要流程是明确分析目标、数据收集、数据预处理、建模分析、结果评估、部署使用以及学习更新。
2024-09-07 17:28:45
781
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人