weixin_51429926的博客

分类的目标变量是标称型数据，而回归将会对连续型的数据做出预测。应当怎样从一大堆数据里求出回归方程呢？假定输人数据存放在矩阵X中，而回归系数存放在向量W中。那么对于给定的数据X1, 预测结果将会通过Y=X*W给出。现在的问题是，手里有一些X和对应的Y,怎样才能找到W呢？一个常用的方法就是找出使误差最小的W。这里的误差是指预测Y值和真实Y值之间的差值，使用该误差的简单累加将使得正差值和负差值相互抵消，所以我 们采用平方误差。最小二乘法平方误差可以写做:对W求导，当导数为零时，平方误差最小，此时W等于：例如有下面

KNN算法是机器有监督学习的一种算法，它既可以实现分类，也可以实现回归。分类：假设现在已经有n个样本，并且该n个样本已经分好类别，现有新的样本X，要判断X属于哪一类别，通过计算与给定的**k值(默认5)**个已有样本的距离，来判断这k个样本所属最多的类别，则认为新样本X也属于这个类别from sklearn.preprocessing import StandardScalerfrom sklearn.datasets import load_irisfrom sklearn.model_sel

目的：关联分析的最终目的，就是为了找出强关联规则基本概念：1.支持度（support）：关联规则A->B的支持度support=P(AB)，指的是事件A和事件B同时发生的概率（联合概率）Support(X→Y) = P(X,Y) / P(I) = P(X∩Y) / P(I) = num(X∩Y) / num(I)2.置信度（confidence）：confidence = P(B|A) = P(AB)/P(A),指的是...