边儿上的小人您要嫌碍事儿,可将鼠标放在上头,边上底下有个叉,点一下就收起来了

随笔分类 -  线性回归算法

线性回归算法的笔记
摘要:##线性回归的可解释性和更多的思考和线性回归的总结 我们知道线性回归是具有可解释性的,用操作来解释什么是可解释性 在notebook中 使用波士顿数据,划分好范围 import numpy as np import matplotlib.pyplot as plt from sklearn impo 阅读全文
posted @ 2021-01-15 17:32 DbWong_0918 阅读(454) 评论(0) 推荐(0) 编辑
摘要:##使用sklearn解决回归问题 依然是加载数据 import numpy as np import matplotlib.pyplot as plt from sklearn import datasets boston = datasets.load_boston() X = boston.d 阅读全文
posted @ 2021-01-15 17:29 DbWong_0918 阅读(370) 评论(0) 推荐(0) 编辑
摘要:##多元线性回归和正规方程解 在真实世界中,真实的样本是有很多的特征值的,这种也是可以使用线性回归解决的,通常我们称这种为多元线性回归问题 我们设一个样本的特征为xi,则 那么对应的y就是 这种直线仍然有截距,即 如果我们可以学习到这多个样本的话,那么我们就可以求出我们的多元线性回归对应的预测值 与 阅读全文
posted @ 2021-01-15 17:23 DbWong_0918 阅读(969) 评论(0) 推荐(0) 编辑
摘要:##衡量线性回归法的指标 MSE,RMS,MAE以及评价回归算法 R Square ###衡量线性回归法的指标 对于分类问题来说,我们将原始数据分成了训练数据集和测试数据集两部分,我们使用训练数据集得到模型以后使用测试数据集进行测试然后和测试数据集自带的真实的标签进行对比,那么这样一来,我们就得到了 阅读全文
posted @ 2021-01-15 17:16 DbWong_0918 阅读(1915) 评论(0) 推荐(0) 编辑
摘要:##简单的线性回归的实现以及向量化的实现 ###简单的线性回归的实现 首先我们在notebook上先加载上相应的库 import numpy as np import matplotlib.pyplot as plt 我们先使用自己设计的一个假的数据来实验 x = np.array([1,2,3,4 阅读全文
posted @ 2021-01-15 16:57 DbWong_0918 阅读(480) 评论(0) 推荐(0) 编辑
摘要:##线性回归算法 特点线性回归算法的特点: 其解决的是回归问题 其思想简单,实现容易 有许多强大的非线性模型的基础 结果具有很好的可解释性 蕴含机器学习中的很多的重要的思想 ###什么是线性回归算法呢 设立一个有横纵坐标的二维坐标系,在各个样本之间,我们寻找一条直线,最大程度的“拟合”样本特征和样本 阅读全文
posted @ 2021-01-14 17:36 DbWong_0918 阅读(281) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示