- 博客(3)
- 收藏
- 关注
RSS订阅原创 机器学习中的逻辑回归模型（代码分析）
逻辑回归函数中，若继续使用线性回归模型中的代价函数，由于逻辑回归函数非凸的特性，其求不出局部最小值，故需要引入新的代价函数，损失函数（loss fuction），下图右侧为逻辑回归模型的代价函数，想让不能用梯度下降法。这之中“outcome”便是结果，而“x”是无需要第一行以及outcome的，故进行了第一步的数据处理。首先获取具体的糖尿病患者的具体信息，将其储存在csv文件中，方便函数的调用以及使用。后使用accuracy_score进行计算其准确率。
2023-09-05 10:57:19
165
1
原创 机器学习中的多元线性回归模型的具体应用（代码分析）
在具体情况下，很可能不会是一维的特征，就如同房价预测，并非只是与其所占有的面积相关，与房子的各种属性也是息息相关的（房子的大小、房间数量、地段、是否有游泳池等）。所以对其进行预测也与之前不相同的代码，下面是代码示例以及相关的代码分析。
2023-09-04 12:27:14
210
1
原创 机器学习中的线性回归模型在python中的掉包使用（代码分析）
需要注意的是，np.random.rand() 函数生成的随机数取值范围是 [0, 1)，也就是包含 0，但不包含 1。如果您需要生成其他范围内的随机数，可以考虑使用其他 NumPy 库中的随机数函数。函数可以用来生成指定维度的随机数组。具体来说，这个函数可以接受一个或多个整数参数，用来指定生成随机数组的维度。除了一维数组之外，您还可以使用 np.random.rand() 函数来生成多维的随机数组。当您需要生成一些随机数的时候，可以使用 NumPy 库的 np.random.rand()
2023-09-03 21:38:26
278
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人