datawhale
qq_40061088
这个作者很懒,什么都没留下…
展开
-
初级算法梳理 任务一 线性回归算法梳理
阿斯顿原创 2019-03-01 03:11:32 · 204 阅读 · 0 评论 -
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...原创 2019-03-05 17:41:56 · 258 阅读 · 0 评论 -
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) ...原创 2019-03-05 19:14:07 · 802 阅读 · 0 评论 -
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...原创 2019-03-02 21:36:47 · 174 阅读 · 0 评论 -
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...原创 2019-03-03 17:49:54 · 153 阅读 · 0 评论 -
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...原创 2019-03-03 20:13:31 · 198 阅读 · 0 评论