Wlis的博客

一、正则线性模型减少过度拟合的一个好办法就是对模型正则化（即约束它）：它拥有的自由度越低，就越不容易过度拟合数据。比如，将多项式模型正则化的简单方法就是降低多项式的阶数。对线性模型来说，正则化通常通过约束模型的权重来实现。常见的对权重进行约束的方法有：岭回归（Ridge Regression）、套索回归（lasso Regression）及弹性网络（Elastic Regression）。二...

文章目录一、数据集1.导入数据集2.测试数据集二、二元分类器1.逻辑回归2.训练逻辑回归模型三、多类别分类器1.Softmax回归2.训练Softmax回归模型四、性能评估一、数据集1.导入数据集鸢尾植物数据集：这是一个非常著名的数据集，共有150朵鸢尾花，分别来自三个不同品种：Setosa鸢尾花、Versicolor鸢尾花和Virginica鸢尾花，数据里包含花的萼片以及花瓣的长度和宽度。...

import numpy as npX=2*np.random.rand(100,1)y=4+3*X+np.random.randn(100,1)from sklearn.linear_model import LinearRegressionlin_reg=LinearRegression()lin_reg.fit(X,y)LinearRegression(copy_X=True,...

文章目录一、数据导入1.数据集2.导入数据集3.测试数据集二、准备测试集三、二元分类器四、性能考核1.使用交叉验证测量精度2.混淆矩阵3.精度和召回率4.ROC曲线五、多类别分类器六、错误分析一、数据导入1.数据集MNIST：是一组由美国高中生和人口调查局员工手写的70000个数字的图片。每张图像都用其代表的数字标记。这个数据集被广为使用，因此也被称作是机器学习领域的“Hello World...