［机器学习笔记］回归

最新推荐文章于 2025-02-16 14:26:09 发布
原创 最新推荐文章于 2025-02-16 14:26:09 发布 · 1.4w 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习 #数据挖掘 #数据分析 #人工智能

博客围绕机器学习、数据挖掘和数据分析展开，这些都属于人工智能领域。机器学习可助力数据挖掘发现规律，数据分析能为机器学习提供数据支持，三者相互关联，在信息技术领域有重要作用。

机器学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-12 17万+
机器学习按照模型类型分为监督学习模型、无监督学习模型和概率模型三大类,文章对十大机器学习算法进行详细介绍并阐述机器学习其他概念问题，可作为机器学习初学者学习使用。
机器学习笔记二-回归
08-20 1565
是统计学和机器学习中的一种基本方法，用于建模变量之间的关系，特别是用一个或多个自变量（输入变量）来预测一个因变量（输出变量）的值。回归分析广泛应用于预测、趋势分析和关联研究中。根据目标和数据的性质，可以使用不同类型的回归方法。
机器学习笔记
weixin_51118573的博客
04-23 3210
从定义上来说，机器学习是一种功能、方法，或者更具体的说是一种算法，它能够赋予机器进行学习的能力，从而使机器完成一些通过编程无法直接实现的功能。从具体的实践意义来说，其实机器学习是利用大量数据训练出一个最优模型，然后再利用此模型预测出其他数据的一种方法。比如要识别猫、狗照片就要拿它们各自的照片提炼出相应的特征（比如耳朵、脸型、鼻子等），从而训练出一个具有预测能力的模型。机器学习与人工智能、深度学习有什么关系呢？从图中可以看出，机器学习是人工智能的一部分，而深度学习又是机器学习的一部分。
机器学习笔记（二）回归
qq_47343046的博客
04-24 4034
当向模型添加越来越多的变量时，模型可能变得过于复杂，并且通常最终会记住训练集中的所有数据点，这种现象称为模型的过拟合，导致高训练准确率和非常低的测试准确率。线性回归中，预测值（predicted）与观测值的差值称为残差，残差的本质是模型的随机误差（Random Error），是必然存在且不可学习的参数。最优拟合线指的是线性回归模型中的一条直线，它是通过拟合训练数据得出的，使得这条直线与训练数据的残差（观测值与模型预测值之间的差异）之和最小化。模型的预测误差的大小，数值越小表示模型的预测能力越好。
吴恩达机器学习笔记
weixin_49119476的博客
04-29 3064
机器学习分为监督学习和无监督学习、（强化学习）。监督学习（supervised learning)分为回归和分类问题。 无监督学习（unsupervised learning）有聚类、异常检测和降维三个应用。sigmoid函数对应，在最外层加入sigmoid函数（有点像激活函数），就是逻辑回归算法举例子，在cost function中加入额外式子作为新的cost function，会使得w3和w4权重减小。lambda:入，正则化参数红框可加可不加lambda的选择，过大或过小结果都不好
Python机器学习笔记之回归
qq_53715621的博客
06-08 1251
对中国大学MOOC-北京理工大学-“Python机器学习应用”上的实例进行分析和修改：记录一些算法、函数的使用方法；对编程思路进行补充；对代码中存在的问题进行修改。
机器学习|对数几率回归|笔记
momo0643的博客
02-16 2335
机器学习|对数几率回归
机器学习课堂笔记——监督学习
EShiLa的博客
09-17 941
面积、房龄、所处区域。
机器学习——回归
weixin_55118952的博客
01-12 2537
理论部分： 平常接触最多的就是回归分析了，统计学中的回归分析主要强调的是解释变量与被解释变量之间的相关关系，并在假设检验的基础上进行参数估计，往往重视这个方程是否显著，各个参数是否显著。机器学习中的回归有点不同，把解释变量看成是一种输入，被解释变量视为一种输出，更加强调找到最优函数，没有假设，而是用训练数据来提取信息，再由测试数据验证结果，哪个模型的平均残差小，就选择哪个模型。（个人的小小见解） 下面是我在学习过程中的笔记：（由于本人有点懒~~就直接把手写的扫描版搬上来啦） 实...
李宏毅机器学习笔记
weixin_49119476的博客
04-29 2465
m和sigma都考虑了过去所有的gradient。区别：momentum主要考虑方向sigma主要考虑大小momentus是为了增加历史运动的惯性，RMS是为了缓和步伐的大小，变得更平缓network弹性逐渐变小。receptive field + parameter share 即为 convolutional layer。使用卷积层的神经网络即为CNN。CNN有比较大的bias，但是是专门为影像设计，所以在这方面做的很好。
机器学习笔记–2、回归分析及python实现
12-21
回归分析是统计学和机器学习领域中的一种重要技术，它主要用来探究两个或多个变量之间的关系，特别是寻找自变量如何影响因变量的方式。在本文中，我们将深入理解回归分析的基本概念，探讨Python中的实现，并通过具体...
林轩田-吴恩达机器学习笔记.pdf
09-22
林轩田在课程中细致地讲解了机器学习中的关键问题，包括学习问题的本质、如何对Yes-No问题进行学习、不同类型的学习方法、学习的可行性、训练与测试的区别、泛化理论、VC维、噪声和误差、线性回归、逻辑回归、线性...
2025最新吴恩达机器学习笔记
最新发布
04-14
在2025年发布的吴恩达机器学习笔记中，我们可以看到关于机器学习基础、监督学习和非监督学习、线性回归、逻辑回归、过拟合、高级学习算法等核心概念的深入讲解。 监督学习是机器学习的一种方式，其中包括回归算法和...
黑马python机器学习入门笔记
08-21
《黑马Python机器学习入门笔记》是一份针对初学者编写的指南，旨在帮助读者掌握Python语言在机器学习领域的基本应用。这份笔记将带你踏入这个充满无限可能的领域，通过Python这门易学且强大的编程语言，开启你的数据...
［机器学习笔记］机器学习基本概念总结
七月知上的博客
12-27 1477
机器学习基本概念的总结
［机器学习笔记］支持向量机(上)
七月知上的博客
12-22 1279
支持向量机是一种二分类模型，它的最基本模型是定义在特征空间上间隔最大的线性分类器。支持向量机分为线性可分支持向量机，线性支持向量机和非线性支持向量机。
［机器学习笔记］HMM
七月知上的博客
01-10 1264
隐马尔可夫模型(HMM)是关于时序的概率模型，描述由一个隐藏的马尔可夫链随机生成不可观测的状态随机序列，再由各个状态生成一个观测而产生观测随机序列的过程。HMM的实际问题主要包含概率计算问题，学习问题和预测问题。
［机器学习笔记］xgboost
七月知上的博客
01-09 1133
xgboost是数据挖掘比赛中神器，本文是对xgboost理论部分数学推导的笔记，最后还转载了知乎上对GBDT和xgboost异同的分析。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值