![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 85
机器学习
@从心
小菜鸟想要把基础打好
展开
-
机器学习-回归
回归(regression)是一种统计学的数据拟合方法,逐步的逼近最佳拟合曲线,这个过程中数据看起来似乎渐渐的“回到”这条曲线上。回归分析不仅用于产生拟合曲线,还可以分析数据有“多符合”这条拟合曲线,也即是拟合的置信度。 所以可以简单的认为拟合是目的,回归是实现数据拟合的一种分析方法,除了回归分析以外,还有曲线平滑等其他拟合方法。线性回归假设函数:y=ax+by=ax+by=ax+b(一元线性回归)y=c1x1+c2x2+⋯+cnxn+by=c_1x_1+c_2x_2+\cdots+c_nx_n +原创 2021-06-28 08:31:11 · 1645 阅读 · 0 评论 -
机器学习-假设函数、损失函数、优化函数
假设函数假设函数就是假设某一个函数可以代表大多数数据的分布。这个函数的参数是未知的,而不同的参数所得到的假设函数是不同的。模型参数与假设函数之间的关系:参数设定的不同,直接导致假设函数的不同。损失函数(loss function)损失函数也称代价函数,是描述假设函数在不同参数值下的损失。损失函数最终作为模型建立的学习准则和优化问题,通常将损失函数用来判断模型预测出来的结果与实际值的差距程度。优化函数优化函数对损失函数进行优化,寻找最优参数。优化损失函数的方式有很多种,常用到的是最小二乘和梯度下原创 2021-06-26 10:00:45 · 1539 阅读 · 0 评论 -
机器学习-模型的评估
对于机器学习而言,无论使用何种算法,模型的评估都是很重要的。通过对模型的评估可以知道模型的好坏,预测结果的准确性,有利于确定模型调整的方向。模型评估根据不同的问题有不用的评估标准。这个汇总主要从回归、分类和聚类分别阐述。一、回归1、均方误差(Mean Squared Error)均方误差是指参数估计值与参数真实值之差平方的期望值。MSE可以评价数据的变化程度,MSE的值越小,说明模型精确度越高。from sklearn.metrics import mean_squared_errory_tr原创 2021-06-24 15:43:30 · 1188 阅读 · 0 评论 -
机器学习-概述
什么是机器学习:所谓机器学习就是让机器模仿人类的学习行为,学着去获取知识,在已经有的经验基础上进行改善。机器学习可分为三部分:模型:规则、状态、逻辑、KNN、SVM、DNN等性能评估:精确度、熵、准确度、F1值,召回率等参数优化:组合优化、顶点优化、约束优化回归(regression)是一种统计学的数据拟合方法,逐步的逼近最佳拟合曲线,这个过程中数据看起来似乎渐渐的“回到”这条曲线上。回归分析不仅用于产生拟合曲线,还可以分析数据有“多符合”这条拟合曲线,也即是拟合的置信度。 所以可以简单的认为原创 2021-06-24 09:42:20 · 294 阅读 · 0 评论 -
使用K-means对鸢尾花数据进行分类
导入数据import pandas as pdimport seaborn as snsimport matplotlib.pyplot as pltfrom sklearn.cluster import KMeansfrom sklearn.preprocessing import StandardScalerfrom sklearn.metrics import silhouette_score from sklearn.metrics import calinski_harabasz_s原创 2021-06-08 10:51:02 · 3834 阅读 · 0 评论