SKLEARN
less_ness
这个作者很懒,什么都没留下…
展开
-
基础算法梳理:1-线性回归梳理
监督学习:监督学习主要有分类和回归两种,给定的训练样本都是有标记的,通过有标记的训练样本得到一个最优模型。通过这个最优的模型,我们可以对没有标记的数据进行分类、预测等。无监督学习相对于监督学习,给定的数据都是没有标记的,通过算法得到数据间的相似性、关联性来判断数据是否属于一个类别,主要的无监督学习为聚类算法。...翻译 2019-03-30 17:25:48 · 378 阅读 · 0 评论 -
Pytorch基础-第三课
1、pytorch nn实现逻辑回归逻辑回归原理:https://blog.csdn.net/u010108512/article/details/88957864import torchfrom torch import nnfrom torch.autograd import Variable # 导入Variable函数进行自动求导,有了Variable PyTorch才能实...翻译 2019-04-10 21:24:36 · 114 阅读 · 0 评论 -
Pytorch基础-第一课
本文大量参考了:https://www.jianshu.com/p/51d8b353b4351 PyTorch简介PyTorch是Torch7团队开发的。Torch是一个开源科学计算框架,可以追溯到2002年纽约大学的项目。Torch的核心在于在构建深度神经网络及其优化和训练,为图像,语音,视频处理以及大规模机器学习问题提供快速高效的计算方案。为了追求更高的速度,灵活性和可扩展性,Tor...翻译 2019-04-06 23:15:23 · 196 阅读 · 0 评论 -
基础算法梳理:2-逻辑回归梳理
1、逻辑回归与线性回归的联系与区别2、 逻辑回归的原理3、逻辑回归损失函数推导及优化4、 正则化与模型评估指标5、逻辑回归的优缺点6、样本不均衡问题解决办法7. sklearn参数1 标题线性回归与逻辑回归的区别与联系1)线性回归要求变量服从正态分布,logistic回归对变量分布没有要求。2)线性回归要求因变量是连续性数值变量,而logistic回归要求因变量是分类型变量。...翻译 2019-04-01 21:30:40 · 426 阅读 · 0 评论 -
Pytorch基础-第二课
1、采用numpy实现梯度下降import numpy as npx_data = np.array([1,2,3])#训练数据y_data = np.array([2,8,6])#训练数据lr = 0.1 #学习率w = 0 #初始权重cost = [] #每次迭代的损失for i in range(10): y_predict = x_data * w los...原创 2019-04-08 21:18:29 · 140 阅读 · 0 评论 -
基础算法梳理:3-决策树梳理
1、信息论基础;2、决策树原理及应用场景;3、决策树防止过拟合手段;4、sklearn参数详解;1、信息论基础翻译 2019-04-03 16:26:45 · 478 阅读 · 0 评论