机器学习
文章平均质量分 89
Seasons in the snow
技术宅
展开
-
逻辑回归算法
目录引言一、逻辑回归算法的原理1.1 预测函数1.2 损失函数(代价函数)二、案例实现2.1 梯度下降法实现线性逻辑回归2.2 sklearn实现线性逻辑回归引言逻辑回归算法的名字里虽然带有“回归”二字,但实际上逻辑回归算法是用来解决分类问题的算法。线性回归和逻辑回归相当于一对“孪生兄弟”,本文将从二分类入手,介绍逻辑回归算法的预测函数、损失函数(代价函数)和梯度下降算法公式,小伙伴们可以不断联想线性回归与逻辑回归的区别与联系。一、逻辑回归算法的原理假设有一场球赛,我们有两支球队的所有出场球员信原创 2021-12-13 16:57:12 · 4189 阅读 · 0 评论 -
线性回归模型——梯度下降算法
目录引言线性回归介绍手动实现梯度下降法线性回归调用API接口实现线性回归引言线性回归可能是我们接触最早的机器学习算法了,在高中数学的课本上,我们第一次正式认识这位朋友,通过最小二乘法来得到数据的线性回归方程,进而求得模型的参数。但其实,在初中时,我们就学过通过两个已知点坐标求解一次函数的技能,这也算是线性回归模型的一种特例吧。今天来给大家介绍另一种求解线性回归模型的方法——梯度下降法。线性回归介绍线性回归定义线性回归(Linear regression)是利用回归方程(函数)对一个或多个自原创 2021-10-23 17:06:36 · 10111 阅读 · 0 评论 -
KNN算法介绍及案例
目录一、KNN介绍K-近邻(K-Nearest Neighboor)算法定义理解K近邻总结KNN⼯作流程二、案例实现作为机器学习中最基础的算法,KNN在简单分类问题上有其独特的优势,其理念类似于中国的成语“近朱者赤,近墨者黑”,这种将特征数字转化为空间距离判断的方法也是我们认识机器学习世界的第一步。一、KNN介绍K-近邻(K-Nearest Neighboor)算法定义如果⼀个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的⼤多数属于某⼀个类别,则该样本也属于这个类别。理解K近邻原创 2021-08-24 16:02:43 · 10335 阅读 · 1 评论