机器学习基础
文章平均质量分 84
lihuhelihu
这个作者很懒,什么都没留下…
展开
-
第L3周:机器学习|逻辑回归 LogisticRegression
sklearn.linear_model.LogisticRegression 是 scikit-learn 库中用于实现逻辑回归(Logistic Regression)的函数。标准化目的是将数据缩放到一个均值为 0,标准差为 1 的正太分布,消除不同特征量纲的影响,尤其是像支持向量机 (SVM)、逻辑回归、神经网络等基于梯度的模型。逻辑回归的核心思想是将输入特征通过一个线性函数映射到输出,然后使用逻辑函数(Sigmoid函数或Softmax函数)将线性函数的输出转换为概率,从而实现分类。原创 2024-09-28 17:30:00 · 305 阅读 · 0 评论 -
第L2周:机器学习|线性回归模型 LinearRegression:2. 多元线性回归模型
如果报下面错误:URLError: 与一元线性回归一样,多元线性回归自然是一个回归问题。简单线性回归:影响 Y 的因素唯一,只有一个。多元线性回归:影响 Y 的因数不唯一,有多个。第2步:训练多元线性回归模型。第3步:在测试集上预测结果。原创 2024-09-27 11:45:00 · 463 阅读 · 0 评论 -
第L2周:机器学习|线性回归模型 LinearRegression:1. 简单线性回归模型
回归之所以能预测,是因为它通过大量的花瓣长度与宽度数据,“弄懂了”花瓣长度与宽度之间的线性关系,在这个基础之上就可以通过花瓣长度预测花瓣宽度了。通过鸢尾花的花瓣长度与宽度的线性关系来预测花瓣宽度,通过杯子里水的体积就可以知道(预测)水的重量。但是也并非所有“越…”都是线性的,比如“弹簧的弹力与位移的关系”。回归的目的是为了预测,比如在通过鸢尾花花瓣长度预测花瓣宽度。○①若不填或者填0,每次生成的数据都是随机,可能不一样。●“汉堡”买的越多,花的“钱”就越多。●杯子里的“水”越多,“重量”就越大。原创 2024-09-25 21:04:45 · 823 阅读 · 0 评论