- 博客(4)
- 资源 (7)
- 收藏
- 关注
原创 机器学习(回归四)——线性回归-正则化
普通的线性回归往往拟合效果不好,比如图形是曲线的形式,可以做一个多项式扩展,变到高维空间。也可以说多项式扩展能解决线性回归模型欠拟合的情况。但多项式的阶数如果太高,就会导致过拟合的情况,也就是训练集上特别好,测试集不太理想。对于过拟合可以使用L1或L2来解决,也就是在J(θ) 的基础上把模型的复杂度加上,如岭回归。
2019-12-26 15:09:16 6526
原创 机器学习(回归三)——线性回归-多项式扩展
前两篇博客介绍的是线性回归,线性回归的一个问题是有可能出现欠拟合现象,解决欠拟合其中的一个方法是本文的多项式扩展,还有一个是后面的博客会介绍的局部加权线性回归(Locally Weighted Linear Regression,LWLR)。
2019-12-20 17:09:48 4637 1
原创 机器学习(回归二)——线性回归-最小二乘-代码实现
本篇内容本来想在写在上篇博客中的,那样篇幅过长,就单独提出来了。本篇文章采用两种方式实现线性回归,一种是使用scikit-learn。而通过上篇博客,我们已经知道了最小二乘法求解线性回归参数,所以完全可以自己手动实现。
2019-12-07 00:33:33 12272 5
原创 机器学习(回归一)——线性回归-最小二乘
从这篇博客开始将介绍机器学习中的比较重要的内容——回归,期间会穿插着涉及到的知识点,如正则化。本篇是回归大家族中最简单的一种——线性回归,采用最小二乘法来求得最优解。
2019-12-06 16:37:23 17400
iris.data.zip
2020-04-19
信贷数据_crx.data.zip
2020-02-21
winequality.zip
2020-02-09
breast-cancer-wisconsin.zip
2020-01-30
household_power_consumption_1000.zip
2019-12-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人