回归问题
文章平均质量分 59
流萤__
今天以后,人生无数可能
展开
-
Machine Learning笔记——回归模型(三)
Polynomial regression多项式回归这里我们沿用上一节的房价数据,对LSTAT(底层人口比例)和MEDV(房价)做回归分析(原因见Axes网格图),同时将多项式回归结果与简单线性回归效果作比较。其中关于多项式回归在https://blog.csdn.net/After__today/article/details/81352891中有介绍。import osimport...原创 2018-08-12 10:20:57 · 442 阅读 · 0 评论 -
Machine Learning笔记——回归模型(二)
利用scikit-learn做线性回归沿用上次房价数据中的RM(房间数)和MEDV(房价),使用scikit-learn库中的LinearRegression()来做线性回归。import osimport pandas as pdimport matplotlib.pyplot as pltimport numpy as npfrom sklearn.linear_model ...原创 2018-08-11 20:09:08 · 595 阅读 · 0 评论 -
Machine Learning笔记——回归模型(一)
目录一、了解数据二、探索性数据分析,了解变量分布与变量之间的关系三、采用梯度下降法来求解回归系数四、传入实际数据查看预测结果使用梯度下降法实现简单的线性回归一、了解数据数据集:波士顿房价数据预测变量与目标变量含义:CRIM:每个城镇人均犯罪率ZN:超过25000平方尺用地划为居住用地的百分比INDUS:非零售商用地百分比CHAS:是否被河道包围...原创 2018-08-05 15:27:39 · 2525 阅读 · 0 评论 -
Machine Learning笔记(五)
多项式回归概念:与选择特征的想法密切相关的一个概念被称为多项式回归。在课程中还是用的房价预测的例子,假设函数中本来有两个特征:x1:房屋的宽度,x2:房屋的深度(即长宽),这时候创造一个新的特征房屋面积x:宽度与深度的乘积,然后对这个新的特征x选择合适的模型拟合。二次模型size很大时price将会下降不太符合现实,选用三次模型,这里要注意的是这样做的话,特征的归一化就很重要,使它们的...原创 2018-08-02 11:01:30 · 381 阅读 · 0 评论 -
Machine Learning笔记(四)
感觉回到了统计学多元回归的课堂,融入了使用线代中的矩阵运算在多元情况下梯度下降算法(右边):下标 j 表示第 j 个参数,上标 (i) 表示第 j 个参数的第 i 条数据,本质上和上一节讲的一元下的梯度下降算法(左边)是一回事优化梯度下降算法的效率一、特征缩放还是房价的例子:当有房屋面积和卧室数量两个参数时,x1的范围很大而x2的范围很小,反映到代价函数上导致很狭长的椭圆形状...原创 2018-08-01 14:22:17 · 459 阅读 · 0 评论 -
Machine Learning笔记(二)
线性回归以及使用梯度下降算法最小化代价函数监督学习:训练集——>学习算法——>得到一个函数h。自变量x——>函数h——>输出因变量y的值,h是x到y的函数映射分类问题是预测离散的输出值,0/1离散输出问题而回归一词指的是我们根据之前的数据预测出一个准确的输出值,线性回归中我们要解决的是一个最小化问题,我们要做的事是尽量减少假设的输出值与真实值之间差的平方(h...原创 2018-07-29 13:05:45 · 549 阅读 · 2 评论