机器学习
文章平均质量分 76
i96jie
这个作者很懒,什么都没留下…
展开
-
线性回归(一):一元线性回归(附python实现)
线性回归原理一元线性回归一元线性回归其实就是从一堆训练集中去算出一条直线,使数据集到直线之间的距离差最小。举个栗子:唯一特征X,共有m = 500个数据数量,Y是实际结果,要从中找到一条直线,使数据集到直线之间的距离差最小,如下图所示:那要如何去完成这个操作呢?线性回归所提供的思路是,先假设一条直线:可以将特征X中每一个值都带入其中,得到对应的,定义可以将损...原创 2018-07-25 23:07:59 · 20165 阅读 · 0 评论 -
多项式回归以及python实现
多项式回归原理之前已经介绍过一元线性回归以及python实现,详情请戳这里。而多项式回归,原理和多元线性回归相似。还是先举个栗子:唯一特征X,共有m = 500个数据数量,Y是实际结果,从中找到一条曲线,使数据集到曲线之间的距离差最小,如下图所示:先假设一条曲线:这里只假设成一个找到它和y的损失函数:和线性回归一样,找到最小的就可以了。梯度下降...原创 2018-07-27 19:36:39 · 10219 阅读 · 2 评论 -
逻辑回归
逻辑回归原理回归与分类在线性回归问题中,算法预期得到的结果大多都是连续的值,比如给定特征房子的面积,所处的地理位置(离市区的远近)来预测房价,换而言之,就是用于预测输入变量(自变量)和输出变量(因变量)之间的关系,回归模型正是表示从输入变量到输出变量之间映射的函数。而对于分类,输入变量和回归中的相似,但输出变量却变成了有限的离散数值,最常见的例子就是文本分类,监督学习从数据中学习一个分...原创 2018-08-01 19:12:07 · 280 阅读 · 0 评论 -
决策树(一):分类树原理和python实现
决策树原理决策树(decision tree)是机器学习中常用的一种分类和回归方法。决策树学习通常包含三个步骤:特征选择、决策树生成、决策树修剪。在本文中主要讨论分类决策树。分类决策树的模型是一个树形结构,由结点(node)和有向边(directed edge)组成,其中结点又分为:内部结点和叶结点。内部结点表示一个特征(图中的黑色圆),而叶结点表示一个类(黑色方框)。其中根结点包...原创 2018-08-11 18:29:03 · 7120 阅读 · 2 评论 -
tensorflow实现线性回归和逻辑回归
关于线性回归和逻辑回归的原理和python实现,请左转:逻辑回归、线性回归。这里就直接贴代码了。线性回归:# -*- coding: utf-8 -*-"""Created on Thu Aug 30 09:40:50 2018@author: 96jie"""import tensorflow as tfimport numpy as npimport matpl...原创 2018-08-30 19:56:15 · 451 阅读 · 0 评论 -
机器学习——模型效果衡量标准
一、分类器的评估方法1、混淆矩阵混淆矩阵也称误差矩阵,是表示精度评价的一种标准格式,用n行n列的矩阵形式来表示。它的每一列代表了预测类别 ,每一列的总数表示预测为该类别的数据的数目;每一行代表了数据的真实归属类别,每一行的数据总数表示该类别的数据实例的数目。举个例子:表1 ...原创 2018-09-20 13:54:54 · 1870 阅读 · 0 评论