regression

Optional Lab: Multiple Variable Linear Regression

Goals扩展回归模型例程以支持多维特征扩展数据结构以支持多维特征重写prediction、cost和gradient例程以支持多维特征利用NumPy的np.dot对其实现进行矢量化以提高速度和简洁性ToolsInthislab,wewillmakeuseof:NumPy,apopularlibraryforscientificcomputingMatplotlib,apopularlibrary
gravity_w·2024-01-24 04:10

Optional Lab: Feature Engineering and Polynomial Regression

GoalsInthislabyouwillexplorefeatureengineering(特征工程)andpolynomialregression(多项式回归)，使我们可以使用线性回归机制来拟合非常复杂甚至非线性的函数ToolsYouwillutilizethefunctiondevelopedinpreviouslabsaswellasmatplotlibandNumPy.importnum
gravity_w·2024-01-24 04:08

机器学习基石第九讲：linear regression

博客已经迁移至Marcovaldo’sblog(http://marcovaldong.github.io/)机器学习基石第十讲介绍线性回归问题（linearregressionproblem），从这一讲开始课程介绍具体的机器学习算法。后面的大部分内容，博主已经学过，所以笔记可能会简略。LinearRegressionProblem借助信用卡发放的问题来介绍线性回归，不过这一次不再是分类，而是要让
Marcovaldo·2024-01-23 22:52

因果推断推荐系统工具箱 - ULTR-CP（三）

2021】【JilinUniversity-JD】UnbiasedLearningtoRankinFeedsRecommendation核心要点前两节，我们完整的描述了，作者提出的ULTR-CP以及如何利用regression-basedEM
processor4d·2024-01-21 22:05

5.逻辑回归 Logistic Regression

这章感觉也不难，但终究是感觉而已。所有的不难终归都是不熟练，自己只是看着好搞而已，等到自己亲自上手用这个知识敲一段时，说不定又磕磕绊绊了呢。我觉得这章的知识可以用于我的毕业设计，即用某个算法替代论文中的某个算法，提高预测结果。先mark一下。————————————————————————分割线————————————————————————逻辑回归的定义：逻辑回归，是一种名为“回归”的线性分类器
宫灵均·2024-01-18 13:47

逻辑回归(Logistic Regression)

一、分类问题在接下来的内容中将开始介绍分类问题，在分类问题中，我们要预测的变量y是离散的值，我们将学习一种叫做逻辑回归(LogisticRegression)的算法，这是目前使用最广泛的一种学习算法。分类问题的例子有：判断一封电子邮件是否是垃圾邮件、判断肿瘤是恶性的还是良性的等等。简单起见，我们从二元的分类问题开始讨论。我们将因变量可能属于的两个类分别称为负向类和正向类，则因变量，其中0表示负向类
时间邮递员·2024-01-18 13:15

逻辑回归 Logistic Regression

目录前言一、逻辑回归是什么？二、逻辑回归的优点和缺点三、逻辑回归的应用场景四、构建逻辑回归模型的注意事项五、逻辑回归模型的实现类库六、逻辑回归模型的评价指标七、类库scikit-learn实现逻辑回归的例子总结前言逻辑回归是机器学习中有监督学习的解决分类任务的一种算法。一、逻辑回归是什么？分类任务的目标是引入一个函数，将观测值映射到与之相关联的类或标签。逻辑回归主要解决二分类问题，通常称为正向类和
JasonH2021·2024-01-18 13:45

逻辑回归（Logistic Regression）

文章目录回顾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，做预测；而逻辑回归是预测离散值，即是用来分类的。分类任务TheMNISTDataset手写数字数据集，包含训练集：60000样本；测试集：10000样本，
chairon·2024-01-17 14:24

回归方程的拟合优度检验_浅析拟合与回归的关系

拟合的主要方法最小二乘拟合回归回归(Regression)是一种数学统计分析方法，重在研究两个或多个变量间的
weixin_39611031·2024-01-16 16:30

回归和拟合的关系

在统计学和机器学习中，回归（Regression）和拟合（Fitting）是密切相关的概念，它们通常一起使用来描述如何通过模型来逼近或拟合数据。
Cc小跟班·2024-01-16 16:52

监督学习 - 梯度提升回归（Gradient Boosting Regression）

什么是机器学习梯度提升回归（GradientBoostingRegression）是一种集成学习方法，用于解决回归问题。它通过迭代地训练一系列弱学习器（通常是决策树）来逐步提升模型的性能。梯度提升回归的基本思想是通过拟合前一轮模型的残差（实际值与预测值之差）来构建下一轮模型，从而逐步减小模型对训练数据的预测误差。以下是梯度提升回归的主要步骤：初始化：初始模型可以是一个简单的模型，比如均值模型。这个
草明·2024-01-16 11:02

MATLAB Deep learning

Overfitting解决过拟合regularizationandvalidationregularization正则化validation验证机器学习的类型有监督学习分类Classification回归Regression
JNU freshman·2024-01-16 09:37

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

深度学习框架tensorflow2实战（回归问题：天气预报）

//blog.csdn.net/weixin_43999137/article/details/104051919【嵌牛导读】本文介绍了tensorflow2的使用【嵌牛鼻子】tensorflow2,regression
川上观鱼·2024-01-15 01:35

Machine Learning Series--Linear Regression

前言最近看了李航老师的《统计学习方法》，还正在学习吴恩达老师的《机器学习》的课程（网易公开课上有，较老的版本）。自从看过《统计学习方法》之后，发现笔记不看其实学习效果并不好。因此想以电子版格式写下来记录，一方面加深自己的印象，一方面也是希望能够和大家交流。此版本大致与吴恩达老师的《机器学习》课程一致，因为是结合他的课程以及我之前的《统计学习方法》笔记来写的这一系列文章。以下观点均是本人在学习过程当
22岁开始·2024-01-14 20:30

监督学习 - 多层感知机回归（Multilayer Perceptron Regression，MLP Regression）

什么是机器学习多层感知机回归（MultilayerPerceptronRegression，MLPRegression）是一种人工神经网络（ArtificialNeuralNetwork，ANN）的形式，用于解决回归问题。多层感知机是一种包含多个层次的神经网络结构，其中包括输入层、至少一个或多个隐藏层，以及输出层。以下是多层感知机回归的主要特点和步骤：输入层：输入层包含与特征数量相等的节点，每个节
草明·2024-01-14 06:53

互信息法的原理详解

文章目录互信息法（上）互信息是什么从信息增益角度理解互信息从变量分布一致角度理解互信息卡方检验与离散变量的互信息法互信息法（上）尽管f_regression巧妙的构建了一个F统计量，并借此成功的借助假设检验来判断变量之间是否存在线性相关关系
今天也要加油丫·2024-01-13 13:39

随机森林回归（Random Forest Regression）

什么是机器学习随机森林回归（RandomForestRegression）是一种基于集成学习的回归算法，它通过整合多个决策树的预测结果来提高模型的性能和鲁棒性。随机森林是一种Bagging（BootstrapAggregating）方法，它通过对训练数据进行有放回的随机抽样（bootstrap抽样）构建多个决策树，并且在每个决策树的节点上使用随机特征子集来进行分裂。以下是随机森林回归的主要特点和步
草明·2024-01-11 23:57

决策树回归（Decision Tree Regression）

什么是机器学习**决策树回归（DecisionTreeRegression）**是一种机器学习算法，用于解决回归问题。与分类问题不同，回归问题的目标是预测连续型变量的值，而不是离散的类别。决策树回归通过构建一棵决策树来进行预测。以下是决策树回归的基本步骤：数据准备：收集并准备回归问题的数据集。数据集应包含特征（自变量）和目标变量（因变量），其中目标变量是连续型的。特征选择：选择用于构建决策树的特征
草明·2024-01-11 23:27

2022-01-23 深度学习笔记

①Regression——Theoutputofthefunctionisascalar.②BinaryClassification——OnlyoutputYesorNo.举例：输入句子，输出句子positive
Luo_淳·2024-01-11 01:14

基于贝叶斯决策理论的分类器

在监督学习中，我们主要面对的是拟合问题(regression)和分类问题(classification)。在本节中，我们先来了解一下如何使
CHENG-HQ·2024-01-08 09:39

线性回归常用库

fromsklearn.model_selectionimporttrain_test_split#自己创建数据集的包fromsklearn.datasetsimportmake_regressioneaample：X,y=make_regression
Andy_mq·2024-01-06 22:29

讲解：GGR376、R、Modelling、RWeb|C/C++

GGR376Assignment2:Regression44MarksRegression:Modellingtherelationshipbetweenaresponse(ordependentvariable
诟久顾的陀狈9om·2024-01-06 00:43

逻辑回归（Logistic Regression）

什么是机器学习逻辑回归（LogisticRegression）虽然名字中包含"回归"一词，但实际上是一种用于解决分类问题的统计学习方法，而不是回归问题。它是一种线性模型，常用于二分类问题，也可以扩展到多分类问题。基本原理模型表示逻辑回归模型假设输入特征的线性组合，然后通过一个称为逻辑函数（也称为sigmoid函数）将结果映射到一个概率值。对于二分类问题，模型表示如下：其中b0,b1,b2,…,bn
草明·2024-01-05 16:27

回归和分类区别

回归任务（Regression）：特点：输出是连续值，通常是实数。任务目标是预测或估计一个数值。典型应用包括房价预测、销售额预测、温度预测等。
Recursions·2024-01-05 03:18

2019-01-31[Stay Sharp]Lasso Regression and Ridge Regression

LossfunctionwithL2Regularization:themodeluseL2RegularizationiscalledRidgeRegressionLossfunctionwithL1Regularization:themodeluseL2RegularizationiscalledLassoRegressionForLassoRegressionandRidgeRegressi
三千雨点·2024-01-03 23:39

（一）PyTorch 中的基本概念_张量操作与线性回归

参考本章代码：https://github.com/zhangxiann/PyTorch_Practice/blob/master/lesson1/linear_regression.py1.3张量操作与线性回归张量的操作拼接
sunshinecxm_BJTU·2024-01-02 04:30

[PyTorch 学习笔记] 1.3 张量操作与线性回归

本章代码：https://github.com/zhangxiann/PyTorch_Practice/blob/master/lesson1/linear_regression.py张量的操作拼接torch.cat
张贤同学·2024-01-02 04:59

Mann–Kendall test-Sen’s slope-Quantile regression (quantreg.m)

By“GeographicallyheterogeneoustemporaltrendsofextremeprecipitationinWisconsin,USAduring1950–2006”（1950-2006年美国威斯康辛州极端降水的时空变化趋势）论文中关于mk趋势检验等的代码：
一声沧海笑·2024-01-01 13:12

进击的机器学习 Fifth Day——逻辑回归（Logistic Regression)

提到逻辑回归呢？我一下子就想起了我批判性思维的老师晋逻辑。算法原理：首先来声明一下，虽然我们算法的名字就叫做逻辑回归，但是逻辑回归却是一个二分类算法(周志华老师称之为线性几率回归或者对数几率回归),一般只能用来预测含有两种标签（或者类别）的数据，比如0和1，男和女等等。为什么它的名字里面包含了回归呢？我想可能是因为模型中包含了一个线性回归表达式y=w*x+b,这样的话y的取值就有可能非常大，也有可
焜俞·2023-12-29 01:34

scikit-learn文档中的数据生成器

目录1.make_classification:2.make_regression:3.make_blobs:4.make_moons:5.make_circles6.make_sparse_coded_signal
全是头发的羊羊羊·2023-12-28 12:40

机器学习(23) SVM 示例4:【Python】解决二分类(示例1、2、3)

1sklearn.svm.svc详解Scikit-learn(sklearn)是机器学习中常用的第三方模块，对常用的机器学习方法进行了封装，包括回归(Regression)、降维(DimensionalityReduction
luyouqi11·2023-12-27 15:16

人工智能_机器学习078_聚类算法_概念介绍_聚类升维_降维_各类聚类算法_有监督机器学习_无监督机器学习---人工智能工作笔记0118

首先看一下什么是聚类,我们可以进入sklearn的官网去看看可以看到这里,首先classification这个分类我们学完了,然后就是regression回归我们也学完了对吧,其实我们现实生活中的,大部分问题就是这两种问题就可以解决了
脑瓜凉·2023-12-27 11:23

多元线性回归-linear regression(2)

我们之前讲了一元的线性回归，下面我们讲讲多元线性回归。多元线性回归的定义是考查一个变量和其余多个变量之间的关系，如果是同时考查p个因变量与m个自变量之间的依赖关系，称为多因变量的多元回归问题。和一元线性回归有相同的定义，多元线性回归中，一个因变量开始由多个自变量来决定，所以它的方程的形式就变成了y=beta_0+beta_1x_1+...beta_px_p+\epsilon，由此我们可以得到理论回
瓦尔_Walden·2023-12-25 16:07

Linear Regression作业代写、代写linRegData作业、代做c++实验作业、Python/Java程序作业代做代写留学生 Statistic

Task1LinearRegressionInthistask,youwillusethedatasetlinRegData.txt,containing150pointsintheformat.Theinputisgeneratedbyasinusoidfunction,whiletheoutputisthejointtrajectoryofacompliantroboticarm.Thefir
keyanju·2023-12-24 21:49

波士顿房价预测-数据集 - sklearn1.20 - 加表头

jupyternotebookgithub：https://github.com/Chufeng-Jiang/Jupyter_Py3_Machine_Learning_Introduction/blob/main/05-Linear-Regression
大大枫·2023-12-24 08:47

机器学习 - sklearn库及案例

它主要包含以下几部分内容：(1)从功能来分：classification分类Regression回归Clustering聚类Dimensionalityreduction降维Modelselection
开码牛·2023-12-23 23:01

线性回归（Linear Regression）算法 简介

线性回归（LinearRegression）算法根据已有的数据去寻找一条直线，让它尽可能地接近这些数据，再用这条直线预测新数据的可能结果，这个结果是一个具体的数值。Y=AX+B根据样本数据求出方程的最优解.损失函数损失函数(代价函数):定义一个距离公式来计算线性回归的预测值和真实值之间的差异.损失函数就可以用来评价模型的预测值和真实值之间不一样的程度，损失函数值越小，模型性能越好。常见损失函数:均
草明·2023-12-23 03:59

Logistic Regression逻辑线性回归（基于diabetes数据集）

目录介绍：1、ConfusionMatrix：2、ROC（ReceiverOperatingCharacteristic）一、数据处理二、建模三、confusion_matrix四、ROC（ReceiverOperatingCharacteristic）介绍：LogisticRegression（逻辑回归）是一种用于解决分类问题的统计学习方法。它是线性回归的一种改进，主要用于处理二分类问题，也可以
取名真难.·2023-12-22 22:20

决策树和回归树(Decision_Tree_and_Regression_Tree)

参考了统计学习方法，西瓜书，MachineLearnigwithpython做的总结，所以不能作为教程，还包含自己用sklearn做的一些对比实验，原文是写在jupyter上的，这里是直接转为.md导过来的，所以格式有些问题，有些东西还待完善…注意几点：连续特征处理，预测问题或者说回归问题（连续性目标特征）决策树（Decisiontree）熵熵表示随机变量不确定性的度量。离散随机变量X的概率分布为
geter_CS·2023-12-22 22:18

逻辑回归（LR，Logistic Regression）算法 简介

逻辑回归（LR，LogisticRegression）算法当线性回归的预测结果，由于受到个别极端数值的影响而不准的时候,可以用逻辑回归来解决.逻辑回归模型的输出只能在0到1之间，也就是表达一个事件会发生的概率，所以被广泛地应用在分类问题上。平滑函数平滑函数:把线性回归预测到的具体的值，通过一个函数转化成为0~1的一个概率值.常见的平滑函数:高斯函数（GaussianFunction）sigmoid
草明·2023-12-22 20:09

阅读的障碍与误区

1.回读“回读”（regression）是用来描述一种偏好，是指你的目光不得不返回读过的部分，阅读此前已经读过的文字。几乎每个人都会或多或少地存在这种行为，而且大多数的时候都是下意识的。
我是铄爸·2023-12-22 20:16

Machine Notebook

lookingforafunctionfromdatafunction的集合{}称之为model由Trainingdata可测试function的好坏然后用新数据测试function，看f有没有举一反三的能力（泛化性能）机器学习分类回归（regression
安哥拉的赞礼·2023-12-22 04:51

机器学习之逻辑回归（Logistic Regression）

概念逻辑回归（LogisticRegression）是一种用于解决分类问题的机器学习算法，尽管其名字中包含"回归"一词，但实际上它用于处理分类任务，而不是回归任务。逻辑回归是一个二分类算法，它用于预测目标变量的取值为两个类别之一。1.基本原理：假设函数（HypothesisFunction）：逻辑回归使用一个sigmoid函数（也称为逻辑函数）来将输入映射到0和1之间。假设函数的形式为：[hθ(x
贾斯汀玛尔斯·2023-12-20 11:17

关于Elastic Net、Lasso Regression、Ridge Regression的3个解释引用

关于这个问题，从不同的切入点，出发点，都有比较不同的深入的解释，但是这些都是等价的。找了4个比较好的解释一、作者：杨军链接：https://www.zhihu.com/question/38121173/answer/85813729来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。线性回归问题是很经典的机器学习问题了。适用的方法也蛮多，有标准的OrdinaryLeas
默一鸣·2023-12-20 05:15

转：线性回归——lasso回归和岭回归（ridge regression）

转自：https://www.cnblogs.com/wuliytTaotao/p/10837533.html线性回归——lasso回归和岭回归（ridgeregression）目录线性回归——最小二乘Lasso回归和岭回归为什么lasso更容易使部分权重变为0而ridge不行？References线性回归很简单，用线性函数拟合数据，用meansquareerror(mse)计算损失（cost），
夏天7788·2023-12-20 05:45

Polynomial(Linear) Regression 多项式线性回归

介绍：多项式线性回归是一种线性回归的扩展，它允许我们在模型中使用多项式函数来拟合数据。线性回归模型假设因变量与自变量之间存在线性关系，即通过一个直线来拟合数据。但是，在某些情况下，数据可能不适合使用直线来拟合，可能需要更复杂的模型。多项式线性回归就是一种通过多项式函数来拟合数据的方法。它通过引入多项式的高次项来增加模型的复杂度，使其能够更好地拟合非线性的数据。多项式线性回归模型的一般形式为：y=b
取名真难.·2023-12-20 05:14

Linear Regression多重共线性

目录介绍：一、corr二、pairplot三、VIF3.1自带vif3.2自定义函数vif四、heatmp（直观感受）介绍：多重共线性是指在线性回归模型中，自变量之间存在强相关性或线性关系，从而导致模型的稳定性和可解释性受到影响。在线性回归中，我们希望自变量与因变量之间有一定的线性关系，且自变量之间尽可能不相关，这样可以更好地解释因变量的变化。然而，当自变量之间存在强相关性时，模型很难区分各自变量
取名真难.·2023-12-20 05:14

线性回归——lasso回归和岭回归（ridge regression）

目录线性回归——最小二乘Lasso回归和岭回归为什么lasso更容易使部分权重变为0而ridge不行？References线性回归很简单，用线性函数拟合数据，用meansquareerror(mse)计算损失（cost），然后用梯度下降法找到一组使mse最小的权重。lasso回归和岭回归（ridgeregression）其实就是在标准线性回归的基础上分别加入L1和L2正则化（regularizat
weixin_30853329·2023-12-20 05:14

Linear Regression线性回归（一元、多元）

目录介绍：一、一元线性回归1.1数据处理1.2建模二、多元线性回归2.1数据处理2.2数据分为训练集和测试集2.3建模介绍：线性回归是一种用于预测数值输出的统计分析方法。它通过建立自变量（也称为特征变量）和因变量之间的线性关系来进行预测。在线性回归中，自变量和因变量之间的关系可以用一条直线来表示。线性回归的目标是找到最佳拟合直线，使得预测值和真实值之间的差异最小化。常用的求解方法是最小二乘法，即通
取名真难.·2023-12-20 05:44
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他