- 博客(6)
- 收藏
- 关注
RSS订阅原创 算法梳理进阶线性回归 任务四： Linear Regression(多变量)
波士顿房产数据(完整数据) 实现多变量(手写代码) 数据标准化(手写代码) 网格搜索调参 5 from sklearn.linear_model import LinearRegression对比 1、导入数据 from sklearn.datasets import load_boston boston = load_boston() print(boston.feature_names) ...
2019-03-05 19:14:07
831
原创 初级算法梳理 任务三：决策树算法梳理
学习内容 信息论基础（熵 联合熵 条件熵 信息增益 基尼不纯度） 熵：熵是自信息量的期望。熵一般说一个信息源，这个信息源可以有多个随机事件，所有随机事件发生的概率和为1。这个信息源的熵就是信息源产生的随机事件的自信息量的期望，即 。熵越大系统越混乱，也越稳定，因为事物总是自发的变得无序。熵越大系统不确定性越大。 交叉熵：通常一个信息源中随机事件的概率是无法得到的，之能通过观察信息源产生的随机事...
2019-03-05 17:41:56
265
原创 算法梳理进阶任务三：测评函数(单变量)
【测评函数(单变量)】 波士顿房产数据(只使用房间数量这个特征) 数据切分（train_test_split） MSE、MAE、RMSE、r2_score import pandas as pd import numpy as np from sklearn import datasets from sklearn.model_selection import train_test_split...
2019-03-03 20:13:31
220
原创 算法初步梳理 任务二 逻辑回归算法梳理
学习内容 1、逻辑回归与线性回归的联系与区别 联系： 线性回归决策函数 将其通过sigmoid函数，获得逻辑回归的决策函数 区别： 线性回归用来预测，逻辑回归用来分类。 线性回归是拟合函数，逻辑回归是预测函数 线性回归的参数计算方法是最小二乘法，逻辑回归的参数计算方法是梯度下降 附：https://blog.csdn.net/lx_ros/article/details/81263209 http...
2019-03-03 17:49:54
159
原创 算法梳理进阶任务二：代码实现简单线性回归(单变量)
代码实现简单线性回归(单变量) 1、算术法:直接通过公式求解截距和斜率 import time start = time.time() import numpy as np def fitslr(x,y): n=len(x) dinominator=0 numerator=0 for i in range (0,n): numerator +=(x[i]-np.mean(x))(y[i]-np.m...
2019-03-02 21:36:47
183
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人