![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
线性回归
文章平均质量分 90
OrangeCat橘猫
坚持不懈才能无懈可击!
展开
-
使用sklearn构建完整的分类项目
使用sklearn构建完整的分类项目量模型性能的指标逻辑回归决策树支持向量机SVM量模型性能的指标度量分类模型的指标和回归的指标有很大的差异,首先是因为分类问题本身的因变量是离散变量,因此像定义回归的指标那样,单单衡量预测值和因变量的相似度可能行不通。其次,在分类任务中,我们对于每个类别犯错的代价不尽相同,例如:我们将癌症患者错误预测为无癌症和无癌症患者错误预测为癌症患者,在医院和个人的代价都是不同的,前者会使得患者无法得到及时的救治而耽搁了最佳治疗时间甚至付出生命的代价,而后者只需要在后续的治疗过程中转载 2021-03-28 00:14:01 · 148 阅读 · 0 评论 -
模型优化基础
优化基础模型训练均方误差与测试均方误差偏差-方差的权衡特征选择压缩估计(正则化)降维在刚刚的回归问题的基本算法中,我们使用数据集去估计模型的参数,如线性回归模型中的参数w,那么这个数据集我们称为训练数据集,简称训练集。我们在回归问题中使用训练集估计模型的参数的原则一般都是使得我们的损失函数在训练集达到最小值,其实在实际问题中我们是可以让损失函数在训练集最小化为0,如:在线性回归中,我加入非常多的高次项,使得我们模型在训练集的每一个数据点都恰好位于曲线上,那这时候模型在训练集的损失值也就是误差为0。原创 2021-03-22 21:49:39 · 406 阅读 · 3 评论 -
线性回归算法基础
线性回归算法基础一、pandas是什么?一、回归树二、支持向量机回归(SVR)支持向量回归SVR一、pandas是什么?示例:pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。一、回归树基于树的回归方法主要是依据分层和分割的方式将特征空间划分为一系列简单的区域。对某个给定的待预测的自变量,用他所属区域中训练集的平均数或者众数对其进行预测。由于划分特征空间的分裂规则可以用树的形式进行概括,因此这类方法称为决策树方法。决策树由结点(node)和有向边(diredcted原创 2021-03-18 22:33:16 · 290 阅读 · 0 评论