诗蕊的专栏

之前介绍过的神经网络属于分类，首先介绍一下分类和回归的区别：分类和回归主要区别在于Y变量，分类的Y变量通常是类别变量，例如性别、颜色、是否健康等；而回归的Y变量为连续数值型，如房价、降雨量等。线性回归有几种分类，我们从最简单的线性回归开始说。-简单线性回归(simple linear regression)简单线性回归通常就是包含一个自变量x和一个因变量y，这两个变量可以用一条直线来模拟。如

前面有讲过线性回归，但是很多非线性问题不能用简单的线性回归来分类。这时需要用到逻辑回归，逻辑回归是一种非线性的回归。

用代码来实现一个简单的tensorflow的结构用来预测一个线性方程y = 0.1x + 0.3的参数。 首先需要导入tensorflow 和 numpy两个包import tensorflow as tfimport numpy as np导入之后我们进行的第一步是建立数据，这里随机生成100个x_data，根据实际参数生成y_data：x_data = np.random.

本文将会介绍五种常见的回归模型的概念及其优缺点，包括线性回归(Linear Regression), 多项式回归(Ploynomial Regression), 岭回归(Ridge Regression)，Lasso回归和弹性回归网络(ElasticNet Regression).1.线性回归(Linear Regression)回归是在建模过程中用于分析变量之间的关系、以及变量是如何...

这篇文章我们使用xgboost构建一个简单的模型以及xgboost与scikit-learn一起使用构建模型，用到的数据集是UCI机器学习库的mushroom数据集，用数据集中的22个特征来判断蘑菇是否有毒，步骤如下： 1. 导入模型需要的工具包，这里面我们用到了xgboost, sklearn, matplotlib, time, graphvizimport xgboost as xgb...