![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习实战
文章平均质量分 94
@Upupup
不想发顶刊的研究生
展开
-
回归分析——从一元线性回归到Lasso回归
目录一、一元线性回归1、梯度下降法2、正规方程法3、梯度下降与正规方程的比较4、代码实现一元线性回归1)梯度下降2)正规方程二、多元线性回归三、多项式回归四、岭回归五、Lasso回归六、岭回归与Lasso回归的区别一、一元线性回归一元线性回归模型就是一个自变量和一个因变量,二者之间具有线性关系,通过计算参数,拟合数据。回归方程:hθ(x)=θ0+θ1xh_\theta(x) = \theta_0 + \theta_1 xhθ(x)=θ0+θ1x参数θ0\theta_0θ0为截距,参数θ1\t原创 2021-09-19 14:12:58 · 732 阅读 · 0 评论 -
吴恩达——机器学习课后习题数据集
链接:https://pan.baidu.com/s/16J0XAyuN8NP7FQzCMpjCOg提取码:5IJq原创 2020-07-30 17:41:57 · 3012 阅读 · 5 评论 -
Logistic回归(1)
文章目录一、算法原理简述二、主要内容1、Sigmoid函数和Logistic回归分类器2、基于最优化方法(梯度上升算法)的最佳回归系数的确定三、Python3实战算法代码实现一、算法原理简述Logistic回归算法中虽有回归二字,但它其实是一种分类算法。这里的回归是指对数据间的分类边界线进行拟合建立回归公式,然后再以回归边界线进行分类。该算法主要用于二值分类中, 适用于数值型数据,数据格式为:特征数据+类别数据。二、主要内容1、Sigmoid函数和Logistic回归分类器从原理中可以了原创 2020-06-06 16:48:25 · 467 阅读 · 0 评论 -
机器学习实战1——kNN算法
kNN算法用于分类,其基本思想很容易理解,就是找到与待分类的数据距离最近的前k个数据,再以这k个数据中出现分类最多的类别作为待分类数据的类别。是不是很简单?那我们接下来看一下距离应该如何去表示。数据间的距离可以理解为数据间的相似度,距离越近,它们之间的相似度就越高,属于同一类别的可能性就越大。这里的距离计算我们用的是欧氏距离公式,其他的距离公式当然同样可以。所谓欧式距离公式,跟我们中学所学的两点间的距离计算公式相似,在欧氏距离中就是计算两个向量点之间的距离。举例说明:计算两个向量点(1, 2, 3)和(原创 2020-05-11 10:46:12 · 358 阅读 · 0 评论