DataWhale-初级算法梳理
beautiful_well
这个作者很懒,什么都没留下…
展开
-
12天summer----初级算法梳理-线性回归算法梳理
线性回归,应用广泛、原理相对简单。主要分为单变量线性回归和多元线性回归。单变量线性回归是在两个变量之间建立类似线性方程的拟合模型,以一个变量去预测另一个变量。 1. 用于回归的线性模型 对于回归问题,线性模型预测的一般公式如下:ŷ = w[0] * x[0] + w[1] * x[1] + … + w[p] * x[p] + b 这里 x[0] 到 x[p] 表示单个数据点的特征(本例中特征...原创 2019-08-08 11:15:59 · 716 阅读 · 0 评论 -
12天summer----初级算法梳理-逻辑回归算法梳理
逻辑回归是机器学习分类算法的一种,在线性回归基础上加入类别映射。从而实现分类问题。换句话说,逻辑回归算法是在线性回归的基础上,构建因变量y的转换函数,将y的数值划分为0-1两类,绘制多类,实现对事物的分类拟合与预测。逻辑函数采用Sigmoid函数,可以将输出变量的值域压缩到(0,1)区间内。这时可以利用下面的公式进行预测:ŷ = w[0] * x[0] + w[1] * x[1] + …+...原创 2019-08-08 14:57:19 · 229 阅读 · 0 评论 -
12天summer----初级算法梳理-决策树算法梳理
决策树算法是根据数据的属性采用树状结构建立的一种决策模型,通过该决策体系,决策树算法既可以求解分类问题,即对应的目标值是类别型数据,也可以应用于回归预测问题多的求解,其输出值是连续的实数值。决策树分类则是采用归纳学习的方法,它通过信息论的相关原理将数据集的类别差异进行归纳,然后建立类别标准。 信息熵就是决策树方法中分支产生的衡量标准之一。对于每个节点,在每一次选择分列属性时,计算这种分类所带来的...原创 2019-08-08 17:12:27 · 103 阅读 · 0 评论