机器学习-回归算法（下）

最新推荐文章于 2020-10-21 10:58:52 发布
最新推荐文章于 2020-10-21 10:58:52 发布
阅读量90 收藏
点赞数
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lhxsir/article/details/103447402
版权

机器学习-回归算法（上）
线性回归的评价指标

《机器学习的敲门砖：归一化与KD树》
特征工程系列：特征预处理（上）

模型之母：简单线性回归&最小二乘法
模型之母：简单线性回归的代码实现
模型之母：多元线性回归

《还不了解梯度下降法？看完这篇就懂了！》
《手动实现梯度下降（可视化）》
《线性回归中的梯度下降》

lhxsir
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习-回归算法1
08-03
用一个方程式来表示它，即Y=a+b*X + e，其中a表示截距，b表示直线的斜率，e是机器学习-回归算法2021年4月5日分区 计算机专业课 的第 1 页用一个
机器学习之回归算法
热门推荐
liuzheng081的博客
06-29 2万+
回归算法是机器学习中最常见也是使用最广的一个算法，回归算法主要有线性回归和逻辑回归2种。下面我将分别介绍线性回归和逻辑回归。1线性回归    线性回归是有监督学习的一种算法，科学的介绍这里就不做说明了。通俗的说，就是根据数据集中的特征（X），找到一个合适的线或是面。。来拟合我们的数据集标签（Y）。    假设我们有一个简单的数据集，里面每个样本都有2个特征，我们根据线性回归算法，找到一个平面来拟合...
机器学习大作业-机器学习分类-回归-聚类算法项目源码（共八次高分作业项目）.zip
07-12
机器学习大作业-机器学习分类-回归-聚类算法项目源码（共八次高分作业项目）.zip 已获老师指导并通过的高分大作业设计项目，可作为期末大作业和课程设计，纯手打高分项目，小白实战没难度。 机器学习大作业-机器...
机器学习-上海大学-线性回归算法
05-09
实验介绍 ...本实验介绍线性回归算法,并通过小实验简单认识一下线性回归算法 。 实验1：用线性回归找到最佳拟合直线 实验2：局部加权线性回归找到最佳拟合直线 实验3：使用scikit-learn实现线性回归算法
机器学习算法基础-逻辑回归
09-16
机器学习算法基础-逻辑回归
机器学习基础算法-回归类型和评价分析
09-07
机器学习基础算法-回归类型和评价分析
Spark ML常用函数
lhxsir的博客
06-27 984
VectorAssembler是一个transformer，作用是将多列数据转化为单列的向量列。 val assembler = new VectorAssembler().setInputCols(featureCol).setOutputCol("features")StringIndexer 作用是把一组字符型标签编码成一组标签索引，索引的范围为0到标签数量。val indexer = ne...
Dev-Cpp使用&快捷键
lhxsir的博客
10-21 858
之前搞过蓝桥杯，就从官网下载了Dev-cpp软件~ http://dasai.lanqiao.cn/pages/dasai/news_detail_w.html?id=1819 解压后，点击File – New – Project，直接F9编译F10运行： #include <stdio.h> #include <stdlib.h> int main(int arg ,char *argv[]) { printf("hello world!"); return 0; } 编译运
第七章（逻辑回归）
lhxsir的博客
10-11 786
一元逻辑回归 数据： 1|2 1|3 1|4 1|5 1|6 0|7 0|8 0|9 0|10 0|11 代码： import org.apache.spark.mllib.classification.LogisticRegressionWithSGD import org.apache.spark.mllib.linalg.Vectors import org.apache.spark.ml...
机器学习-KMeans聚类算法
lhxsir的博客
12-29 484
K-Means和KNN区别： KNN是监督学习的分类算法，有对应的类别输出。 KNN基本不需要训练，对测试集里面的点，只需要找到在训练集中最近的k个点，用这最近的k个点的类别来决定测试点的类别。 K-Means是无监督学习的聚类算法，没有样本输出； K-Means则有明显的训练过程，找到k个类别的最佳质心，从而决定样本的簇类别。 两个算法都包含一个过程，即找出和某一个点最近的点。两者都利用了最...
第五章（ALS算法）
lhxsir的博客
10-10 371
代码： import org.apache.spark._ import org.apache.spark.mllib.recommendation.{ALS, Rating} object CollaborativeFilter { def main(args: Array[String]) { val conf = new SparkConf().setMaster("local...
数据预处理（特征工程）
lhxsir的博客
11-24 260
本次主要介绍处理分类型特征：编码与哑变量、二值化与分段 略
机器学习-逻辑回归
lhxsir的博客
12-15 240
后期补。。
第五章（余弦相似度）
lhxsir的博客
10-10 233
代码： import org.apache.spark.{SparkConf, SparkContext} import scala.collection.mutable.Map object CollaborativeFilteringSpark { val conf = new SparkConf().setMaster("local").setAppName("CollaborativeF...
机器学习-KNN分类算法（上）
lhxsir的博客
11-10 147
K近邻算法(k-NearestNeighbor) k近邻算法是机器学习算法最简单的算法，流程如下： (1) 计算测试对象到训练集中每个对象的距离 (2)按照距离的远近排序 (3)选取与当前测试对象最近的k个对象，作为该测试对象的邻居 (4)统计这k个邻居的类别频率 (5)k个邻居里频率最高的类别，即为测试对象的类别 python代码实现 1、自实现KNN算法 import numpy as np ...
第六章（随机梯度下降）
lhxsir的博客
10-10 127
测试数据1： 5,1 1 7,2 1 9,3 2 11,4 1 19,5 3 18,6 2 测试代码1： import org.apache.spark.mllib.linalg.Vectors import org.apache.spark.mllib.regression.{LabeledPoint, LinearRegressionWithSGD} import org.apache.sp...
机器学习-KNN分类算法（下）
lhxsir的博客
11-17 113
之前写了KNN的基本概念和python基本实现方法，并没有对模型的好坏进行判断，接下来使用训练数据集和测试数据集来判断（使用accurcay分类指标） 编写自己的train_test_split测试数据集 未完待续 ...
机器学习-回归算法（上）
lhxsir的博客
12-01 109
之前我们介绍的KNN算法属于分类(Classification)，即Label为离散的类别型(categorical variable)，如：颜色类别、手机品牌、是否患病等。 而简单线性回归是属于回归(Regression)，即Label为连续数值型(continuous numerical variable)，如：房价、股票价格、降雨量等。 在这里插入代码片 ...
梯度下降法（下）
lhxsir的博客
12-08 98
梯度下降法2
python机器学习--逻辑回归算法原理
最新发布
10-21
逻辑回归是一种二分类算法，它的原理是通过构建一个线性方程，将输入特征与输出结果之间的关系建立起来，然后通过sigmoid函数将线性方程的结果映射到0-1之间，从而得到一个概率值，进而进行分类。在实现过程中，通常使用最大似然估计来确定模型的参数，使得模型的预测结果与实际结果的误差最小化。逻辑回归算法的特点是结果具有可解释性，只能预测二分类，相比朴素贝叶斯和knn算法，逻辑回归效果更好，但耗时更久。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值