![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 57
爱上无名氏
听雨 滴答滴答
展开
-
逻辑回归之一维线性回归
线性回归回归问题输入变量和输出都是连续的问题一维线性问题模型选择y=wx+b y = wx + b y=wx+b损失函数L(y,yi)=∑i=1n(y−yi)2 L(y,y_i) = \sum_{i=1}^n (y - y_i)^2 L(y,yi)=i=1∑n(y−yi)2损失函数使用的是均值误差(定义为图中 预测值(黄线) 和 真实值(蓝点)的距离)。还可以为,曼哈顿距离,马氏距离,总偏差平方和,回归平方和,残差平方和等求解对b 偏导数原创 2021-11-22 20:19:11 · 1570 阅读 · 0 评论 -
Knn算法学习
Knn 算法邻近算法,或者说K最邻近(KNN,K-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻,就是K个最近的邻居的意思,说的是每个样本都可以用它最接近的K个邻近值来代表。近邻算法就是将数据集合中每一个记录进行分类的方法图解》存在w1,w2,w3三种可能性结果》Knn 算法。处理给定预测数据Xu,计算出该预测数据属于哪一类结果的可能性。 方式1: 1:计算[预测数据]到所有训练集数据的距离 2:指定K值 取前K个距离最近原创 2021-11-12 17:05:30 · 1812 阅读 · 0 评论