机器学习算法（二）线性模型

已于 2024-08-01 16:11:19 修改
阅读量191 收藏
点赞数 1
分类专栏： 机器学习 文章标签： 机器学习 算法 人工智能
于 2024-08-01 16:09:59 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43336108/article/details/140848803
版权

一、线性回归

假设自变量X矩阵有3个特征，因变量是Y矩阵，w是系数矩阵

Y = X * w

损失函数：误差平方和函数（Y - label）** 2

二、逻辑回归

线性回归得到的是一个实数值 z ，用sigmoid函数可以将其映射到 0 - 1 之间，即p = \frac{1}{1 + e^{-z}}

假设预测为正例（ y == 1） 的概率为 p，则预测为负例（ 1 -  y == 0） 的概率为 1 - p，有n个样本

则似然函数 = \prod _{i=1}^{n}p^{y(i)}(1-p)^{1-y(i)}

目标：似然函数最大

损失函数：\sum_{i=1}^{n}\--y(i)ln(p)-(1-y(i))ln(1-p)

槑槑紫
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习算法之线性模型
u012155582的专栏
11-24 7665
1.线性方程与非线性方程 线性方程：代数方程如y = 2x + 5,其中任何一个变量都为1次幂，这种方程的图像为一条直线(平面)，所以称为线性方程 非线性方程：y**2 = 2x + 5,因变量和自变量之间不是线性关系，如平方关系、对数关系、指数关系和三角函数关系等 2.基本形式 给定有m个属性描述的实例x=(x1,x2...,xm),其中xi是x在第i个属性上的取值，线性
机器学习（2）——线性模型
继续兴致盎然地与世界交手
07-10 354
对数几率回归 对于二分类任务，可考虑对数几率模型进行回归学习。对数几率回归即logistics regression。 考虑二分类任务，其输出标记为 ，而线性回归的预测值 是实值。故将z转化为0/1值。通过与单位阶跃函数对比，发现对数几率函数作为转换函数更适合。 该函数具有非常好的数学性质如下： 使用对数几率函数做分类问题时，不仅可以预测出类别，还能够得到近似概率预测。 对数几率函数...
【机器学习算法】线性回归算法
热门推荐
ZhShy
01-28 1万+
文章目录线性回归回归问题回归和分类预测未来机器学习实现预测的流程线性方程权值调整最简单的回归问题——线性回归问题利用线性回归进行预测的极速入门线性回归的算法原理拟合线性回归算法的数学解析1. 假设函数的数学表达式解析 线性回归 回归问题 线性方程 偏差度量 权值更新 回归问题 两百年前，与达尔文同时代的统计学家高尔顿在研究父代与子代的身高关系时，发现一种“趋中效应”：如果父代身高高于平均值，则子代具有更高概率比他父亲要矮，简单来说就是身高回归平均值。“回归”一词也由此而来。在回归的世界里，万物的发展轨
机器学习算法之线性回归
weixin_44458771的博客
10-17 1785
线性回归（Linear Regression）模型是机器学习中最简单、最基础的监督学习模型，虽然简单，但却也非常重要，线性回归是很多复杂模型的基础。
机器学习-线性模型(波士顿房价预测)
04-26
波士顿房价预测是数据科学领域的一个经典案例，常被用来教授和检验不同的机器学习算法，尤其是线性回归模型。在这个案例中，我们将深入探讨线性模型在处理实际问题时的应用。 线性模型的核心思想是通过构建一个线性...
机器学习+线性代数基础
12-07
机器学习算法的实现离不开线性代数的基础理论，例如矩阵、向量、张量等概念都是机器学习算法的核心组成部分。 在机器学习中，线性代数的基础知识被广泛应用于数据预处理、特征工程、模型训练和模型评估等方面。例如...
ai-机器学习算法实现之线性回归.zip
04-25
在压缩包中的"ai_机器学习算法实现之线性回归"文件，可能包含了Python编程语言的实现代码，例如使用Scikit-learn库来实现线性回归模型。这些代码示例可以帮助初学者更好地理解和实践线性回归算法。通过学习和实践...
机器学习中线性模型的PPT与实现代码
06-16
线性模型是机器学习领域中最基础且广泛应用的算法之一，其简洁、易于理解和高效的特点使得它在各种数据预测任务中占据重要地位。本资源包含了一份关于线性模型的PPT和使用Python实现线性模型的代码，对于学习和实践...
机器学习算法简述思维导图
06-26
机器学习算法是数据科学的核心，它涉及一系列方法，用于让计算机从数据中学习规律并做出预测或决策。思维导图是理解和组织这些算法的有效工具，尤其在分类和回归任务中。分类旨在将数据对象分配到预定义的类别中，而...
Machine Learning in Space Weather （1）：Historical Perspectives
u014546828的博客
08-23 436
事实上，许多古代文明，如希腊化时代的希腊、巴比伦、日本、西藏、中国和印度，都有类似的四种或五种元素的列表。太空任务数据的泛滥，以及机器学习技术的出现，意味着我们正处于一个独特的地位，可以大步迈向我们的太空目标。尽管科学家们之前已经观察到了太阳黑子及其与地球磁场变化之间的联系，但卡林顿事件是一个具体的例子，说明了太阳上的活动可能对地球产生潜在的巨大影响。但天气现象并非地球独有。在第六章中，我们利用在辐射带中轨道运行的探测器数据，结合辐射带的简化物理模型和马尔可夫链蒙特卡洛技术，推断了磁层参数中的不确定性。
第九周：机器学习笔记
Zcymatics的博客
08-23 691
本周主要对李宏毅的机器学习视频进行了学习，其中学习了CNN的一个特殊的网络结构——spatial Transformer，学会了其怎么完成平移、缩放以及旋转的原理以及期间了解到了Interpolation（插值）算法，最后还了解了其应用场景。此外，继续对Pytorch进行了学习，重点学习了线性层，了解了其改变shape的作用，然后还了解了其他层，例如，归一化层、循环层等特定的网络结构。最后，做了一个小项目，把CIFAR-10的Model复现出来，并学会了使用Sequential。
Machine Learning in Space Weather （2）：Background
u014546828的博客
08-23 288
Machine Learning in Space Weather （2020 by Mandar Chandorkar ） Background Space weather is the branch of physics that studies the time varying phenomena in the solar system. The principal driver of space weather phenomena is the Sun, specifi
机器学习_模型调用预测
weixin_42504788的博客
08-20 184
机器学习_模型调用预测
未来已来：探索机器学习如何重塑人工智能的未来方向
xafarsight的博客
08-23 216
像 OpenAI 正在训练的下一代人工智能“Q*”，其智能不依赖人类活动的数据，且有能力修改自身代码以适应更复杂的学习任务，未来可能在各个领域发展出超越人类水平的 AI，可用于解决各种复杂的科学难题。图像识别技术的进一步发展：借助深度学习模型，计算机对图像内容的识别和分析将更加准确，人机交互的深度融合得以实现，在医学影像诊断、智能交通、安防等领域的应用将更为广泛。人工智能和机器学习技术的发展迅速，以上趋势只是目前的一些主要方向，随着技术的不断进步和创新，还可能会出现新的发展趋势。
基于Python的机器学习系列（7）：多元逻辑回归
不想宅的冷同学
08-21 418
在本文中，我们探讨了多元逻辑回归，扩展了二元逻辑回归的概念，以适应多个类别的分类任务。通过软最大化函数（softmax）和交叉熵损失函数，我们能够有效地训练模型，并根据多个类别预测结果的概率分布来进行分类。这些技术在多类别分类问题中具有广泛的应用。通过理解多元逻辑回归的数学推导和代码实现，我们可以更好地应对实际的分类任务，尤其是在数据维度较高、类别较多的情况下。
机器学习/数据分析--通俗语言带你入门逻辑回归(结合案例)
weixin_74085818的博客
08-20 898
逻辑回归也称为对数几率回归，主要处理的是二分类问题，虽然名字带有回归，但是处理的是分类问题，那什么是二分类问题呢？二分类问题就是y取值为{0,1}，转化成函数表达式如下：​y0z0;0.5z0;z0;z0​Z > 0，判断为正例Z < 0，判断为反例Z = 0，为临界值，可以任意判断但是。
【机器学习】4. 相似性比较（二值化数据）与相关度(correlation)
最新发布
weixin_48846514的博客
08-23 556
similarity and correlation
机器学习：逻辑回归--下采样
纸上得来终觉浅
08-20 1794
机器学习：逻辑回归--下采样
机器学习在智能复合材料中的应用与实践
y2715163545的博客
08-20 891
在人工智能与复合材料技术融合的背景下，复合材料的研究和应用正迅速发展，创新解决方案层出不穷。从复合材料性能的精确预测到复杂材料结构的智能设计，从数据驱动的材料结构优化到多尺度分析，人工智能技术正以其强大的数据处理能力和模式识别优势，推动复合材料领域的技术进步。适合材料科学、电力工业、航空航天科学与工程、有机化工、无机化工、建筑科学与工程、自动化技术、工业通用技术、汽车工业、金属学与金属工艺、机械工业、船舶工业等领域的科研人员、工程师、及相关行业从业者、跨领域研究人员。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值