- 博客(4)
- 收藏
- 关注
RSS订阅原创 一元线性回归(二) ----模型的评估与判定系数
判定系数：用于估计回归方程是否很好的拟合了样本的数据，判定系数为估计的回归方程提供了一个拟合优度的度量1 误差平方和---SSE对于样本中的第i次的观测值，应变量的观测值和应变量的预测值之间的离差为第i个残差，第i个残差表示用去估计的误差，于是，对于第i次观测值，它的残差是-，这些残差或误差的平方和是一个用最小二乘来极小化的量。这个量就是误差平方和，记作SSE简单总结为：实际...
2019-04-29 19:01:01
17751
1
原创 一元线性回归(一)----简单线性回归与最小二乘法
一 理论与基础自变量：样本的特征数值因变量：需要预测的样本的预测值1 简单线性回归(simple linear regression)y:样本的预测值，即回归模型中的应变量x:样本的特征数值，即回归模型中的自变量:回归模型中的误差项，误差项说明了包含在y里面，但不能被x与y之间线性关系解释的变异性2 线性回归方程,可以看到它是一条直线:回归直线y轴的截...
2019-04-16 14:27:24
43851
3
原创 逻辑回归(一) - - - 理论与sigmoid函数
# 关于逻辑回归的一些理论基础，以及sigmoid函数的可视化图# 线性回归的一点理解：''' h(s) = s_0 + s_1 * x_1 + s_2 * x_2 + ... + s_n * x_n 用过去的已知的数据，把X带入得到预测的Y_s,根据已知的Y，会找到合适的[s_0, s_1, _s2, ... , s_n] 把要预测的数据X_new带入到h(s),若X_new...
2019-04-03 21:56:36
410
原创 k-临近 - - - 一个简单的封装类
import numpy as np# k-临近，K-Nearest Neighbor，也称knn# 原理：有n个样本的数据集，现给定一个新的样本s，s与n个样本进行比较，选取k个与s相近的样本，查看k个样本属于哪个类型，# 个数最多的那个类型为s的类型''' knn封装类 '''class KNN(object): def __init__(self, k...
2019-04-03 21:52:55
185
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人