sklearn
布比与迈克大炮
这个作者很懒,什么都没留下…
展开
-
机器学习-10 基于sklearn支持向量机
机器学习-10 基于sklearn支持向量机支持向量机——分类代码展示支持向量机——回归支持向量机——分类支持向量机 (SVMs) 的应用面比较广,可用于回归、分类和和 异常检测。其最常见的应用是做分类。支持向量机(Support Vector Machine, SVM) 是由最优分类面衍生而来, 在线性可分情况中, 其根本思想是将特征向量映射到一个比自身维度更高的空间里,在这个空间里建立一个新的隔离平面,使得隶属不同类别的特征向量点间隔最大。各类别对应的平行超平面间的距离越大,分类器的总误差则越小。原创 2020-09-05 19:13:40 · 285 阅读 · 0 评论 -
机器学习-09 基于sklearn 核岭回归
机器学习-08 自学笔记 基于sklearn 线性和二次判别分析原创 2020-09-05 09:46:39 · 1394 阅读 · 0 评论 -
机器学习-08 自学笔记 基于sklearn 线性和二次判别分析
机器学习-08 基于sklearn 线性和二次判别分析线性和二次判别分析线性和二次判别分析原创 2020-09-03 10:44:39 · 277 阅读 · 0 评论 -
机器学习-07 基于sklearn 广义线性模型- 多项式回归
机器学习-07 基于sklearn 广义线性模型- 多项式回归多项式回归代码实现多项式回归在前面我们已经掌握了曲线拟合的一种方法——分段线性化。把无数条直线串在一起,每一条直线拟合曲线的一部分,这样就近似的拟合了整条曲线。可是这也增加了需要优化的参数个数,也使一条光滑的曲线分裂成小的直线,这显然是我们不希望见到的。那么还有别的方法吗,多项式回归就可以对非线性函数进行拟合。多项式回归问题可以通过变量转换化为多元线性回归问题来解决。下面我们给出一个二元二次方程:y^(w,x)=w0+w1x1+w2x2原创 2020-09-02 10:37:59 · 297 阅读 · 0 评论 -
机器学习-06 基于sklearn 广义线性模型- 弹性网络
机器学习-06 基于sklearn 广义线性模型- 弹性网络原创 2020-08-26 11:23:32 · 716 阅读 · 0 评论 -
机器学习-05 基于sklearn 广义线性模型- MultiTaskLasso
机器学习-05 基于sklearn 广义线性模型- MultiTaskLasso用线性回归拟合曲线方程——分段线性化MultiTaskLasso代码复现重要代码用线性回归拟合曲线方程——分段线性化要想把MultiTaskLasso说明白,我们需要从它的一个应用说起。在sklearn官方手册中提供了这么一个例子,让我们利用线性回归的方法去拟合一个曲线方程。如图所示:那么怎么用线性回归去拟合曲线方程呢,在程序里提供了这么一个思路。我们可以把这个曲线分成数段,每一段看成一条直线,那么当分的份数足够多时,就原创 2020-08-25 10:46:18 · 802 阅读 · 0 评论 -
机器学习-04 基于sklearn 广义线性模型- Lasso回归
机器学习-04 基于sklearn 广义线性模型- Lasso回归Lasso回归代码展示Lasso回归稀疏系数是指含零较多的系数。这种现象的产生可能是特征值设定的原因,比如性别男性为1女性为0,或者天气晴天为1阴天为0,这种非黑及白的选择如果有很多,可能会产生一溜零的情况。百度百科上面这段话写的特别好,特地摘抄在下面“该方法是一种压缩估计。它通过构造一个惩罚函数得到一个较为精炼的模型,使得它压缩一些回归系数,即强制系数绝对值之和小于某个固定值;同时设定一些回归系数为零。因此保留了子集收缩的优点,是一种处原创 2020-08-23 11:37:03 · 750 阅读 · 1 评论 -
机器学习-03 基于sklearn 广义线性模型-岭回归
机器学习-03 基于sklearn 广义线性模型-岭回归岭回归代码展示重要代码解释岭回归在通过普通最小二乘法来求函数的参数时,我们使用了求偏导的方法。这个方法本身没有问题,但是却要求各参数之间没有影响。比如,我们在对房价进行预测时,我们统计了房屋面积和房间数量,这两个变量这件是有影响的,房间数量越多,房屋的面积响应也会越大,这就叫做相关性。当各变量之间的线性相关性越大,会导致最小二乘估计对于随机误差非常敏感,可能产生很大的方差。那么有没有一种算法可以减小甚至消除这种相关性呢。岭回归算法就可以做到。岭回归原创 2020-08-22 16:07:38 · 178 阅读 · 0 评论 -
机器学习-02 基于sklearn 广义线性模型-普通最小二乘法
机器学习 基于sklearn-02 从sklearn说起线性回归普通最小二乘法案例分析线性回归回归分析的主要工作,是根据统计获得的数据点来训练出一个函数表达式,根据这个函数表达式来对新的数据点进行预测。线性是指线性方程。线性方程也就是一次函数,一元一次函数的定义式如下所以。y=k∗x+by=k*x+by=k∗x+b在做回归分析时,数据的影响因素不止一个因此需要使用多元一次函数来拟合。预测出的值为预测值,用y^\hat{y}y^来表示。真实值用y{y}y来表示。y^(ω,x)=ω0+ω1x1+⋯原创 2020-08-22 10:18:05 · 460 阅读 · 0 评论 -
机器学习 基于sklearn-01 从sklearn说起
机器学习 基于sklearn-01 线性回归机器学习sklearn机器学习机器学习是数学算法的一种统称,它生动形象的表现了计算机借用数学方法解决问题的过程。与其说机器在学习,不如说机器在套公式。同样的,如果没有计算机,我们自己利用这些数学算法,在计算不出错误的前提下也可以得到和计算机一样的结果。由此可见,在机器学习中,计算机所扮演的仅是一个计算器的角色。我们对结果拥有绝对的预测性。用这种算法做出来的人工智能,是真正意义上的人工智能。它完全体现人的意志,在决定论的世界里有规矩的运行着,所以使用机器学习的算原创 2020-08-20 11:09:47 · 194 阅读 · 0 评论