6.sklearn（机器学习）—简介分类和回归

最新推荐文章于 2022-03-19 14:53:08 发布

贫僧不懂

最新推荐文章于 2022-03-19 14:53:08 发布

阅读量685

点赞数

分类专栏： scikit-learn机器学习文章标签：机器学习树回归分类评价体系、混淆矩阵、均方误差

本文链接：https://blog.csdn.net/Monk_donot_know/article/details/86693743

版权

1. 回归

在这里插入图片描述

其实这里不好说什么统计学模型和机器学习模型，因为想PCA、logistic也是机器学习热门的模型。我就这么写吧，佛系分个类。
那个最小二乘我就先不推导了，打公式麻烦。有空再打吧。不过捏，这个基本推导烂熟于心要要要。

回归名称	描述
非线性回归	那就先想办法变成线性的，比如取对数的方法。不行的话就按照非线性最小二乘估计求解。
logistic	这个真的太常用，很好用。因变量是分类型的就可以使用。是个概率模型。
岭回归	是对最小二乘估计的改进，损失函数加了惩罚项。L2范数。
lasso	损失函数加了惩罚项的L1范数
主成分回归	对于共线性较强的线性模型的改进，有偏估计。

sklearn内部有常用的几个回归算法：

模块名称	函数名	算法名
linear_model	LinearRegression

关注

专栏目录