贝叶斯线性回归

【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

python机器学习——分类模型评估 & 分类算法（k近邻，朴素贝叶斯，决策树，随机森林，逻辑回归，svm）

目录分类模型的评估模型优化与选择1.交叉验证2.网格搜索【分类】K近邻算法【分类】朴素贝叶斯——文本分类实例：新闻数据分类【分类】决策树和随机森林1.决策树2.决策树的算法3.代码实现实例：泰坦尼克号预测生死
Perley620·2024-01-17 10:59

机器学习：李航 统计学习方法 笔记

待整理统计学习方法监督学习非监督学习半监督学习强化学习监督学习方法生成方法GenerativeApproach：P(Y∣X)=P(X,Y)P(X)P(Y|X)=\frac{P(X,Y)}{P(X)}P(Y∣X)=P(X)P(X,Y)朴素贝叶斯模型隐式马尔科夫模型判别方法
lealzhan·2024-01-17 08:54

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

机器学习 -- 朴素贝叶斯分类器

场景朴素贝叶斯分类器是一种基于贝叶斯定理的简单概率分类器，广泛应用于各种机器学习场景。朴素贝叶斯分类器利用贝叶斯定理来预测一个数据点的类别。
北堂飘霜·2024-01-17 07:37

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

贝叶斯分类器（公式推导+举例应用）

文章目录引言贝叶斯决策论先验概率和后验概率极大似然估计朴素贝叶斯分类器朴素贝叶斯分类器的优点与缺点优点缺点总结实验分析引言在机器学习的世界中，有一类强大而受欢迎的算法——贝叶斯分类器，它倚仗着贝叶斯定理和朴素的独立性假设
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

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

如何简单易懂地理解变分推断(variational inference)？

我们经常利用贝叶斯公式求posteriordistribution  但posteriordistribution求解用贝叶斯的方法是比较困难的，因为我们需要去计算，而通常会是一个高维的随机变量，这个积分计算起来就非常困难
小小何先生·2024-01-16 12:47

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

书生·浦语大模型实战1

浦语大模型全链路开源体系视频链接：书生·浦语大模型全链路开源体系_哔哩哔哩_bilibili大模型之所以能收到这么高的关注度，一个重要原因是大模型是发展通用人工智能的重要途径深度信念网络：（1）又被称为贝叶斯网络
__如果·2024-01-16 09:54

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

威尔·库尔特《趣学贝叶斯统计：橡皮鸭、乐高和星球大战中的统计学》学习笔记（1）：以A/B测试为例学习贝叶斯统计

主要是新学期的概率论的作业要求：Writeasummary(nomorethan¾ofapage)ofyourexperiencewithanapplicationofprobabilitytoareal-lifesituation(e.g.,anengineeringproblem.–Howwasprobabilityusedtomodelthephenomena/situation?–Howw
feiyu66666·2024-01-16 07:49

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

工智能基础知识总结--朴素贝叶斯

什么是朴素贝叶斯朴素贝叶斯是基于贝叶斯定理与特征条件独立假设的分类方法。给定训练集T=(x1,y1),(x2,y2),
北航程序员小C·2024-01-15 10:46

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

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

机器学习~从入门到精通（二）线性回归算法和多元线性回归

为什么要做数据归一化一、数据归一化：1.最值归一化2.均值方差归一化importnumpyasnpX=np.random.randint(1,100,size=100)X=X.reshape(-1,2)X.shapeX=np.array(X,dtype='float')X[:,0]=(X[:,0]-np.min(X[:,0]))/(np.max(X[:,0])-np.min(X[:,0]))X[:
一夜白头催人泪·2024-01-15 01:48

PLSA 和 LDA 对比？

PLSA和LDA都是主题模型，但PLSA是基于最大似然估计的生成式模型，而LDA是基于贝叶斯推断的生成式模型。LDA具有更好的泛化性能和对稀疏数据的建模能力，但计算复杂度较高。
爱打网球的小哥哥一枚吖·2024-01-15 00:00

组队学习《动手学深度学习》Task01学习笔记

Task01包含了线性回归模型，softmax模型，多层感知机，文本预处理，语言模型，循环神经网络这几块内容这里主要记录一些零碎的笔记，主要是关于理论1、线性回归模型就是使用了一个线性函数去拟合样本，得到预测值
612twilight·2024-01-14 23:46

贝叶斯推理：大佬都用的概率思维

人生中最重要的问题，在绝大多数情况下，真的就只是概率问题。---皮埃尔-西蒙·拉普拉斯（1749-1827）几道测试题1.王二是一个普通大学毕业的本科生。那么请问他更可能是下面哪种职业？A:张江程序员B:陆家嘴金融男2.有一天王二去相亲遇到了张小花，张小花长的像下面这个妹子。请问张小花的职业更可能是下面哪种？A:模特B:职员C:胸器逼人的职员图片发自App3.和张小花相亲之后，王二被迷得神魂颠倒，
财小米搞钱日记·2024-01-14 20:57

文献阅读：Large Language Models as Optimizers

文献阅读：LargeLanguageModelsasOptimizers1.文章简介2.方法介绍1.OPRO框架说明2.Demo验证1.线性回归问题2.旅行推销员问题（TSP问题）3.PromptOptimizer3
Espresso Macchiato·2024-01-14 19:32

贝叶斯生成器的两种模型，思想和异同

3.利用贝叶斯定理计算文本属于每个类别的后验概率。4.选择具有最高后验概率的类别作为最终的分类结果。###高斯模型（GaussianModel）:算法思想：1.假设每个类别下的特征值服从正态分布。
爱打网球的小哥哥一枚吖·2024-01-14 19:26

史诗级长文--朴素贝叶斯

引言朴素贝叶斯算法是有监督的学习算法，解决的是分类问题，如客户是否流失、是否值得投资、信用等级评定等多分类问题。
SQingL·2024-01-14 18:38

机器学习算法理论：线性回归

线性回归回归的理论解释：回归分析是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。
缘起性空、·2024-01-14 15:43

机器学习之线性回归-多因子房价预测

机器学习是一种实现人工智能的方法从数据中寻找规律、建立关系，根据建立的关系去解决问题机器学习的应用场景数据挖掘、计算机视觉、自然语言处理、证券分析、医学诊断、机器人…实现机器学习的基本框架将训练数据喂给计算机，计算机自动求解数据关系，在新的数据上做出预测或给出建议机器学习的类别监督学习（SupervisedLearning）训练数据包括正确的结果（标签-label）无监督学习（Unsupervis
小旺不正经·2024-01-14 15:46

理论U2 贝叶斯决策理论

文章目录一、概率统计理论基础1、乘法公式2、全概率公式3、贝叶斯公式二、贝叶斯决策理论1、用处2、解决问题3、决策基础4、一些概念5、核心公式三、最小错误率贝叶斯决策1、目标2、例题分析3、问题1）决策的风险四
轩不丢·2024-01-14 12:43

【机器学习与R语言】7-回归树和模型树

1.理解回归树和模型树决策树用于数值预测：回归树：基于到达叶节点的案例的平均值做出预测，没有使用线性回归的方法。模型树：在每个叶节点，根据到达该节点的案例建立多元线性回归模型。
生物信息与育种·2024-01-14 10:18

学习笔记55 数据分析常见面试题4-16

业务与用户分析-416.你了解的回归分析有哪些（阿里）参考答案将回归分析中的Y（因变量）进行数据类型区分，如果是定量且1个（比如身高），通常我们会使用线性回归，如果Y为定类且1个（比如是否愿意购买苹果手机
败者食尘_40a0·2024-01-14 10:18

机器学习——向量化

MATLAB编程中，向量化的思想可从下图看出：对于常见的线性回归假设函数做乘积累加的过程，传统的编写方法可能像左边一样，但是如果把θ和X看作一个向量，则只需要写成向量相乘即可。
BioLearner·2024-01-14 09:40

机器学习中的线性回归

线性回归概念利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式。
码农zz·2024-01-14 08:37

Scikit-Learn线性回归(六)

Scikit-Learn线性回归六：套索回归1、Lasso回归（套索回归）2、Lasso回归的解2.1、坐标轴下降法2.2、最小角回归法2.3、Lasso回归解（L1正则化）的几何意义3、Scikit-LearnLasso
对许·2024-01-14 07:35

最大似然估计与贝叶斯

最大似然估计（maximumlikelihoodestimates，MLE）：一种确定模型参数值的方法。确定参数值的过程，是找到能最大化模型产生真实观察数据可能性的那一组参数。过程：通过观察数据分布（如8，9.5，11），预估一个模型（比如正态分布，这个判断通常来自于领域内专家），然后求出在该模型下发生此数据分布概率最大的模型（求参数组合-均值与方差），这样就确定了这个高斯模型（的参数组合），我们
冷水调画·2024-01-14 06:42

李沐《动手学深度学习》线性神经网络 线性回归

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目录系列文章一、线性回归（一）线性回归的基本元素（二）随机梯度下降（三）矢量化加速（实例化说明）（四
丁希希哇·2024-01-14 06:01

.【机器学习】隐马尔可夫模型（Hidden Markov Model，HMM）

有向图模型也叫贝叶斯网络，它用有向无环图表示变量之间的因果关系。无向图模型也叫马尔可夫网络，它用无向图表示变量之间的相关关系。
十年一梦实验室·2024-01-14 06:52

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。
mingupup·2024-01-14 04:57

C#基于ScottPlot进行可视化

前言上一篇文章跟大家分享了用NumSharp实现简单的线性回归，但是没有进行可视化，可能对拟合的过程没有直观的感受，因此今天跟大家介绍一下使用C#基于Scottplot进行可视化，当然Python的代码
mingupup·2024-01-14 04:25

深度学习基础教程

目录预备知识基础知识（1）PyTorch基础知识（2）线性回归模型（3）逻辑回归模型（4）全连接神经网络预备知识requires_grad：用于指示是否需要计算相应张量的梯度。
睡不醒的毛毛虫·2024-01-14 02:12

第二章 单变量线性回归

image.png如图中所示m表示训练集的大小，x输入变量（特征），y输出变量（目标变量）解决方案由“学习算法”通过训练数据集生成模型“h”,用h去预测价格image.png模型h如何表示这里采用单变量线性回归
Limit_·2024-01-14 01:14

条件概率：辛普森案中有什么概率陷阱

第5章贝叶斯法5.1条件概率：辛普森案中有什么概率陷阱➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖️5.1条件概率：辛普森案中有什么概率陷阱？️作为概率论的两大学派之一,贝叶斯法有其独特的优势。
石小沫_·2024-01-13 22:31

大数据毕业设计：房屋数据分析可视化系统 预测算法 可视化 商品房数据 Flask框架（源码+讲解视频）✅

1、项目介绍技术栈：python语言、Flask框架、MySQL数据库、Echarts可视化sklearn机器学习多元线性回归预测模型、re
vx_biyesheji0001·2024-01-13 22:12
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他