第L周学习
文章平均质量分 75
zzfyc111
这个作者很懒,什么都没留下…
展开
-
第L3周:机器学习|逻辑回归 LogisticRegression
比如某用户购买某商品的可能性,某病人患有某种疾病的可能性,以及某广告被用户点击的可能性等。标准化目的是将数据缩放到一个均值为 0,标准差为 1 的正太分布,消除不同特征量纲的影响,尤其是像支持向量机 (SVM)、逻辑回归、神经网络等基于梯度的模型。数据处理:特征标准化:标准化是最常见的特征缩放方法之一,它将特征转换为均值为 0,标准差为 1 的形式。预测结果:在这个代码中,model 是一个已经训练好的机器学习模型,X_test 是用于测试模型性能的数据。导入数据:鸢尾花数据集。原创 2024-09-06 18:54:10 · 407 阅读 · 0 评论 -
第L2周:机器学习|多元线性回归模型
sklearn.linear_model包实现了广义线性模型,包括线性回归、Ridge回归、Bayesian回归等。相当于我们高中学的一元一次方程,变成了n元一次方程。LinearRegression是其中较为简单的线性回归模型。线性回归:通过两个或多个变量之间的线性关系来预测结果。简单线性回归:影响Y的因素唯一,只有一个。多元线性回归:影响Y的因数不唯一,有多个。第2步:训练多元线性回归模型。第4步:测试集预测结果可视化。第3步:在测试集上预测结果。第2步:简单线性回归模型。网不好,图片上传不了。原创 2024-08-30 21:51:56 · 484 阅读 · 0 评论 -
第L1周:机器学习|数据预处理
1. 学习如何处理缺损数据2. 尝试进行Label编码3. 使用train_test_split进行数据划分4. 学习特征标准化。原创 2024-08-23 17:42:36 · 560 阅读 · 1 评论