首页 > TAG信息列表 > ymat

机器学习实战（八）

title: 机器学习实战（八） date: 2020-04-20 09:20:50 tags: [线性回归, 岭回归, 最小二乘法] categories: 机器学习实战 更多内容请关注我的博客 预测数值型数据：回归 分类的目标变量是标称型数据，而回归是对连续性数据做出预测。 用线性回归找到最佳拟合直线 线性回归 优点：结果

2021-03-13

多项式回归- 题目：对于文档“data.txt”中的数据（每一行表示一个样本，每一行有三个数值， 其中前两个值代表输入属性 x，最后一个值代表标签 y），请使用逻辑回归模型训练一个分类器，并对结果进行可视化（5分）。注 1：编程语言不限；注 2：可视化过程中，请使用不同颜色或形状区分“0”类和“1”类数

线性回归+逻辑回归

机器学习 第一回:线性回归和对数几率回归 1.一元线性逻辑回归 任务： 1>求偏置b的推导公式 2>求偏置w的推导公式 3> w的向量化 1.1操作流程 1.2证明E(w,b)损失函数是凸函数+对b的偏置导数 1.3 求偏置w的推导公式 1.4 对w的向量化 2.多元线性逻辑回归 1>对损失函数改写 2>E(

线性逻辑回归与非线性逻辑回归pytorch+sklearn

1 import matplotlib.pyplot as plt 2 import numpy as np 3 from sklearn.metrics import classification_report 4 from sklearn import preprocessing 5 6 # 载入数据 7 data = np.genfromtxt("LR-testSet.csv", delimiter=",") 8 x_data = data[

Adaboost的python实现

不要总是掉包欧，真的丢人啊，一起码起来！ '''函数的功能：单层决策树分类函数参数说明： xMat：数据矩阵 i：第i列，第几个特征 Q：阈值返回分类结果： re'''import numpy as npimport pandas as pddef classify0(xMat,i,Q,S): re = np.ones((xMat.shape[0],1)) i