线性回归正则化

深入浅出核函数

本文深度剖析了核函数的含义，并从该角度去理解线性回归和非线性分类的问题。
小白学视觉·2024-01-19 11:56

【机器学习300问】11、多元线性回归模型和一元线性回归有什么不同？

在之前的文章中，我们已经学习了一元线性回归模型，其中最关键的参数是w和b。机器学习的目的就是去得到合适w和b后能准确预测未知数据。但现实世界是复杂的，一个事情的发生绝大多数时候不会是一个原因导致。
小oo呆·2024-01-19 10:15

【机器学习300问】12、为什么要进行特征归一化？

当线性回归模型的特征量变多之后，会出现不同的特征量，然而对于那些同是数值型的特征量为什么要做归一化处理呢？一、为了消除数据特征之间的量纲影响使得不同指标之间具有可比性。
小oo呆·2024-01-19 10:08

【白话机器学习的数学】读书笔记(4)评估(评估已建立的模型)

评估(评估已建立的模型)目录四、评估(评估已建立的模型)1.评估什么2.交叉验证1回归问题的验证2分类问题的验证3精确率和召回率1.精确率Precision2.召回率Recall4F值5K折交叉验证3.正则化
JunLal·2024-01-19 10:06

李沐《动手学深度学习》线性神经网络 softmax回归

系列文章李沐《动手学深度学习》预备知识张量操作及数据处理李沐《动手学深度学习》预备知识线性代数及微积分李沐《动手学深度学习》线性神经网络线性回归目录系列文章一、softmax回归（一）问题背景（二）网络架构
丁希希哇·2024-01-19 08:36

深度学习和机器学习中针对非时间序列的回归任务，有哪些改进角度？

引言1数据预处理2数据集增强3特征选择4模型选择5模型正则化与泛化6优化器7学习率8超参数调优9性能评估与模型解释引言在非时间序列的回归任务中，深度学习和机器学习都是常用的方法。
Better Bench·2024-01-19 07:23

隐马尔可夫模型【维特比算法】

第一章机器学习简介第二章感知机第三章支持向量机第四章朴素贝叶斯分类器第五章Logistic回归第六章线性回归和岭回归第七章多层感知机与反向传播【Python实例】第八章主成分分析【PCA降维】第九章隐马尔可夫模型文章目录机器学习笔记一
格兰芬多_未名·2024-01-19 03:21

奇异值分解(SVD)【详细推导证明】

第一章机器学习简介第二章感知机第三章支持向量机第四章朴素贝叶斯分类器第五章Logistic回归第六章线性回归和岭回归第七章多层感知机与反向传播【Python实例】第八章主成分分析【PCA降维】第九章隐马尔可夫模型第十章奇异值分解文章目录机器学习笔记一
格兰芬多_未名·2024-01-19 03:20

sklearn-线性回归

1sklearn中的线性回归sklearn中的线性模型模块是linear_model，我们曾经在学习逻辑回归的时候提到过这个模块。
CHEN的小喵·2024-01-18 21:55

1 sklearn线性回归

sklearn线性回归一、普通最小二乘线性回归sklearn.linear_model.LinearRegression小结二、岭回归岭回归分类LASSOsklearn里面一个类对象就是一个模型，直接封装了训练
Michael_Flemming·2024-01-18 21:25

吴恩达机器学习笔记-Logistic回归模型

回归函数在逻辑回归模型中我们不能再像之前的线性回归一样使用相同的代价函数，否则会使得输出的结果图像呈现波浪状，也就是说不再是个凸函数。代价函数的表达式之前有表示过,这里我们把1/2放到求和里面来。
Carey_Wu·2024-01-18 16:26

线性回归+小批量梯度下降算法

目录1.线性模型计算预测值：2.使用均方损失作为损失函数：3.基础优化算法：梯度下降4.训练数据：5.线性回归实现：6.线性回归总结：1.线性模型计算预测值：线性模型可以看做单层神经网络。
姓蔡小朋友·2024-01-18 15:44

2024年“华数杯”国际大学生数学建模竞赛B题思路

首先得获取数据，中国的宏观数据相对容易（包括电力、经济、人口、教育、基础建设、研发投入、科研水平等等方面，获取数据方式见下面），拿到数据后研究指标之间的关系，相关性分析和线性回归（宏观指标单位不统一、可以考虑平滑处理
Python风控模型与数据分析·2024-01-18 14:01

工智能基础知识总结--线性回归

什么是线性回归不同于分类问题的待预测变量为离散变量，回归问题中待预测变量即因变量为连续变量。
北航程序员小C·2024-01-18 12:54

Googlev2Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift

减少内部协变量偏移（ICS）3通过小批量统计进行标准化3.1使用批量归一化网络进行训练和推理指数滑动平均3.2批量归一化卷积网络3.3批量归一化可实现更高的学习率奇异值分解SVD3.4批量归一化对模型进行正则化
源代码•宸·2024-01-18 10:22

深度学习记录--正则化(regularization)

什么是正则化？
蹲家宅宅·2024-01-18 09:49

【机器学习300问】8、为什么要设计代价函数（损失函数）？它有什么用？

一、先介绍一下线性回归模型（1）基本概念理解文字解释：线性回归模型顾名思义，他处理的回归问题，是监督学习的一种。线性回归模型是一种预测模型，其基础是假设目标值和输入值之间存在线性关系。
小oo呆·2024-01-18 08:43

常见的机器学习算法代码及其Python代码

监督式学习的例子有：线性回归、决策树、随机森林算法、最近邻算法、逻辑回归等。非监督式学习算法这类算法没有任何目标
中年猿人·2024-01-18 01:00

选择和训练模型（Machine Learning 研习之十一）

训练集的训练与评估我们从一个最基本的线性回归模型开始：fromsklearn.linear_modelimportLinearRegressionlin_re
甄齐才·2024-01-17 21:39

实用机器学习：线性回归的实际应用与解读

01统计学基础统计学的基本方法，在机器学习中的角色。统计学是数据科学的基石，为机器学习提供了重要的理论和工具。它通过概率论、假设检验、回归分析等方法，帮助我们理解数据、进行推断和构建模型。以下是一些统计学概念的解释及应用：解释应用概率论概率论研究随机现象的数学理论。在机器学习中，概率论用于建模不确定性，例如通过概率分布描述数据的不确定性。用于分类、回归、聚类等算法中，通过概率模型进行预测和决策。统
m0_61254808·2024-01-17 19:18

线性回归理论+实战

线性回归什么是线性回归3.1.线性回归—动手学深度学习2.0.0documentation(d2l.ai)模型损失函数模型拟合（fit）数据之前，我们需要确定一个拟合程度的度量。
良子c·2024-01-17 18:13

一文带你了解机器学习算法

1.常见的机器学习算法有哪些KNN算法、线性回归法、决策树算法、随机森林算法、PCA算法、SVM算法等等2.什么是机器学习简单的说，机器学习就是让机器从数据中学习，进而得到一个更加符合现实规律的模型，通过对模型的使用使得机器比以往表现的更好
AAI机器之心·2024-01-17 15:03

逻辑回归（Logistic Regression）

LinearRegression分类任务TheMNISTDatasetTheCIFAR-10dataset回归VS分类sigmoid函数逻辑回归逻辑回归模型损失函数实现代码回顾LinearRegression线性回归是用于预测连续值
chairon·2024-01-17 14:24

2025山大软件学院机器学习805 2024持续押中

3．线性模型线性回归、对数几率回归、线性判别分析、多分类学习、类别不平衡问题、基于梯度的优化方法等。4．决策树决
sdu_study·2024-01-17 14:17

【机器学习入门】机器学习基础概念与原理

2、常见机器学习算法和模型3、使用Python编程语言进行机器学习实践4、机器学习的应用领域二、机器学习算法1、有监督学习算法（1）线性回归a.基本概念b.应用案例c.代码示例（2）逻辑回归a.基本概念
代码骑士·2024-01-17 12:10

机器学习之Ridge回归与Lasso回归

Ridge回归与Lasso回归是什么Ridge回归和Lasso回归是机器学习中常用的线性回归算法的变种。Ridge回归是一种线性回归算法，通过在损失函数中添加一个正则化项，以控制模型的复杂度。
亦旧sea·2024-01-17 08:38

简单线性回归算法

概述线性回归本来是是统计学里的概念，现在经常被用在机器学习中。是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。
ppixiu·2024-01-17 06:10

支持向量机（公式推导+举例应用）

文章目录引言间隔与支持向量机对偶问题（拉格朗日乘子法）SMO算法核函数软间隔与正则化软间隔正则化（罚函数法）模型的稀疏性结论实验分析引言在机器学习领域，支持向量机（SupportVectorMachine
Nie同学·2024-01-17 03:12

参数优化器

前置知识：机器学习概念，线性回归，梯度下降待优化参数w，损失函数loss，学习率lr，每次迭代一个batch计算t时刻损失函数关于当前参数的梯度：计算t时刻一阶动量mt和二阶动量Vt计算t时刻下降梯度：
惊雲浅谈天·2024-01-17 03:54

【科普】神经网络中的随机失活方法

Dropout可以比较有效地缓解模型的过拟合问题，起到正则化的作用。Dropout，中文是随机失活，是一个简单又机器有效的正则化方法，可以和L1正则化、L2正则化和最大范数约束等方法互为补充。
pprpp·2024-01-17 00:24

python学习笔记9（程序的描述方式、程序的组织结构、顺序结构、选择结构1）

1if1、条件写法12、如果只有一个判断的写法3、注意冒号和缩进数合建模，数据建模可视化工具，除了传统的数据分析外，算法模型部分通过python进行数据库和算法的交互，内置K近邻、多层感知器、弹性网络正则化等
贾庆华·2024-01-17 00:30

互联网加竞赛 基于机器学习与大数据的糖尿病预测

文章目录1前言1课题背景2数据导入处理3数据可视化分析4特征选择4.1通过相关性进行筛选4.2多重共线性4.3RFE（递归特征消除法）4.4正则化5机器学习模型建立与评价5.1评价方式的选择5.2模型的建立与评价
Mr.D学长·2024-01-16 21:38

用C#实现简单的线性回归

前言最近注意到了NumSharp，想学习一下，最好的学习方式就是去实践，因此从github上找了一个用python实现的简单线性回归代码，然后基于NumSharp用C#进行了改写。
液态不合群·2024-01-16 20:32

单变量线性回归

一、模型表示我们学习的第一个算法是线性回归算法。让我们通过一个例子来开始：这个例子是预测住房价格的，我们使用的数据集包含俄勒冈州波特兰市的住房价格。现在我根据不同房屋尺寸所售出的价格，画出图像。
时间邮递员·2024-01-16 14:53

多变量线性回归

一、多维特征目前为止，我们探讨了单变量/特征的回归模型，现在我们对房价模型增加更多的特征，例如房间数、楼层等，构成一个含有多个变量的模型，模型中的特征为。增添更多特征后，我们引入一系列新的注释：n代表特征的数量代表第i个训练实例，是特征矩阵中的第i行，是一个向量（vector）比方说，上图的代表特征矩阵中第i行的第j个特征，也就是第i个训练实例的第j个特征如上图的，支持多变量的假设h表示为：这个公
时间邮递员·2024-01-16 14:53

线性回归实战

一、引言大家在看这篇文章的时候可能会云里雾里，或许你忘记了前面讲述的知识（就是我），或许你对Python的语法不熟悉（就是我），但是没关系，忘记的知识复习下就好了，Python语法不熟悉就看看网课，有些函数不认识百度一下、CSDN一下就知道了，我也会尽力在代码中解释清楚，一步一步给出处理结果，所以大家慢慢学，别着急，加油~二、题目假设你是一家餐馆的首席执行官，正在选择一个城市开设一个新的分店，而且
时间邮递员·2024-01-16 14:48

机器学习入门

学习目标完成此学习路径后，你将能够：了解什么是机器学习了解监督学习与无监督学习执行数据探索和预处理准备和训练分类模型了解线性回归了解解决基于分类的机器学习问题的基础知识通过P
AI-智能·2024-01-16 10:42

MATLAB Deep learning

文章目录Chapter1:MachineLearning存在的问题过拟合Overfitting解决过拟合regularizationandvalidationregularization正则化validation
JNU freshman·2024-01-16 09:37

用Pytorch实现线性回归模型

目录回顾Pytorch实现步骤1.准备数据2.设计模型classLinearModel代码3.构造损失函数和优化器4.训练过程5.输出和测试完整代码练习回顾前面已经学习过线性模型相关的内容，实现线性模型的过程并没有使用到Pytorch。这节课主要是利用Pytorch实现线性模型。学习器训练：确定模型（函数）定义损失函数优化器优化（SGD）之前用过Pytorch的Tensor进行Forward、Ba
chairon·2024-01-16 08:49

网络中的网络 NiN

收敛会特别快，可以做大一点的正则化不要一层把所有的东西都学到了。NiN的思想就是完全不要全连接层。1*1的卷积层等价于全连接层，不会改变输入的形状。对每一个通道拿出最
sendmeasong_ying·2024-01-16 06:12

以YOLOv8为例详解YOLO系列

1.1v2提供了合并批量正则化；固定盒子；维度簇；1.2v3使用更快速的主干网络，多重anchor和大椎池化层1.3v4引入Mosaic数据增强方法；一种无anchor的检测头；以及一种新的
AIzealot无·2024-01-16 02:01

Spark MLlib ----- ALS算法

下面以简单的线性一元线性回归模型说明最小二乘法。假设我们有一组数据{(x1,y
创作者mateo·2024-01-16 02:54

《机器学习》--线性模型

一般向量形式写为：f(x)=WTx+b其中W=(w1,w2,w3,.....wd)，x=（x1,x2,x3,....xd)二、线性回归线性回归试图学得一个线性模型以尽可能准确地预测实值输出标记。
汪汪军师·2024-01-16 01:39

线性回归常见问题汇总，你想知道的都在这里

本文以SPSSAU系统为例，针对线性回归的常见问题进行汇总说明。关于线性回归的分析思路及操作步骤，可阅读下方链接文章：SPSSAU：线性回归分析思路总结！简单易懂又全面！
spssau·2024-01-15 20:51

机器学习笔记E4--朴素贝叶斯

按照计划今天该是整理到朴素贝叶斯了，但是线性回归的实现和逻辑回归都还没有完成，欠的东西越来越多。
EL33·2024-01-15 14:44

逻辑回归（解决分类问题）

它基于线性回归模型，但使用了逻辑函数（也称为S形函数）来将输出限制在0到1之间，表示事件发生的概率。逻辑回归可以通过最大似然估计或梯度下降等方法来进行参数估计，从而得到一个可以用于分类的模型。
Visual code AlCv·2024-01-15 13:51

时间序列数据预处理：归一化和标准化等方法

对于算法，例如k-最近邻，它使用距离计算和线性回归和人工神经网络可能需要归一化。重量输入值。标准化要求您知道或能够准确估计最小和最大可观察值。您可以从可用数据中估算这些值。
ManRock·2024-01-15 07:27

第4章 一元线性回归

一、线性回归模型一元线性回归模型总体回归函数，截距，斜率，误差项二、线性回归模型的系数估计普通最小二乘（ordinaryleastsquares，OLS）估计量参数估计量预测值参数三、拟合优度回归（regression
流焱之舞·2024-01-15 06:23

Embedding Watermarks into Deep Neural Networks

其次，我们提出了一种通用得框架，通过使用参数正则化将水印嵌入参数模型。我们的
暗紫色的乔松(-_^)·2024-01-15 05:15

均方误差（MSE）与交叉熵（CEE）的区别

mse用于线性回归，适用于预测数值，即回归问题模型；cee用于逻辑回归，适用于预测概率，即分类问题模型
Stefan0·2024-01-15 04:00
上一页 8 9 10 11 12 13 14 15 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他