摘要：
numpy是什么？为什么使用numpy 使用numpy库与原生python用于数组计算性能对比 阅读全文
摘要：
高等数学 导数 泰勒公式 方向导数 梯度 凸函数 概率论 可以根据特征与目标的分布情况提前了解特征与目标的相关性 数理统计 期望 方差 协方差 线性代数 阅读全文
摘要：
机器学习分类 监督学习：有特征、有目标的数据（训练集）训练出一种算法（模型），使用该算法（模型）对另外一些有特征没有目标的数据进行判断，判断这些数据的目标是什么 训练好的模型可以称为得分函数（模型本身也是函数） 损失函数可以称为得分函数的函数，损失函数最小时得分函数的参数最优，也就是通过损失函数来对 阅读全文
摘要：
logistic回归模型的参数估计问题，是可以用最小二乘方法的思想进行求解的，但和经典的（或者说用在经典线性回归的参数估计问题）最小二乘法不同，是用的是“迭代重加权最小二乘法”（IRLS, Iteratively Reweighted Least Squares）。本质上不能使用经典的最小二乘法的原 阅读全文
摘要：
回归：连续值预测 逻辑回归：分类算法。–逻辑回归是干什么？定义：对定性变量的回归分析；定性：定量：之前的回归模型，处理的是因变量是数值型区间（负无穷到正无穷）变量，建立的模型描述的是因变量Y与自变量（X）之间的线性关系。 期望=期望参数与自变量的分别乘积和； 逻辑变换的公式：要记住 注：结果是对称的 阅读全文
摘要：
函数凸凹性： 用到的范数知识： 详细解释：每一个元素的平方再开方。补充损失函数： Huber Loss知识点 loss函数可以通过loss参数进行设置。SGDRegressor支持以下的loss函数： SGD:随机梯度下降四个损失函数： 事例代码： import numpy as np import 阅读全文
摘要：
线性回归 基础知识： 回归是监督学习中的重要问题，回归用于预测输入变量和输出变量之间的关系；很好的拟合已知模型，并很好的预测未知模型； 什么是回归： 1，回归问题分为模型的学习和预测两个过程。基于训练模型以及给定训练数据集构建一个模型，根据新的输入数据预测相应的输出；2，回归问题按照输入变量的个数可 阅读全文
该文被密码保护。 阅读全文