自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(2)
  • 收藏
  • 关注

原创 线性回归,最小二乘法

回归的定义: 对于一个点集, 使用一个函数去拟合该点集,使点集与拟合函数间的误差最小,如果这个函数曲线是一条直线,则是线性回归,如果曲线是二次曲线,则是二次回归。 广义线性回归: 广义线性模型是线性模型的扩展,其特点是不强行改变数据的自然度量,数据可以具有非线性和非恒定方差结构[59],主要是通过联结函数g()(link function),建立响应变量Y的数学期望值 与线性组合的预测变量P之间

2017-07-07 17:38:52 738

原创 逻辑回归学习笔记

逻辑回归学习:1.损失函数/代价函数: 寻找一个超平面,将样本数据进行分类,找出损失函数的minimum值。 作用原理: 对于回归问题,可以用损失函数来求最优解,也常用的是平方误差代价函数/损失函数。 对于以下的假设函数: Hypothesis: hθ(x) = θ0 + θ1x 里面有θ0和θ1这两个参数,需要找出的就是最优的θ0和θ1这两个参数使直线能够代表所有数据。 代价函数

2017-06-16 13:56:30 414

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

提示
确定要删除当前文章?
取消 删除