深度学习与实战
关注
分享
扫一扫
文章平均质量分 72
_painter
生命不止学习不止。
展开
-
【深度学习与实战】3.1 逻辑回归模型
：广义线性模型，适用于因变量为二分类（如“是/否”、“成功/失败”）的场景。将线性回归的输出映射到[0,1]区间，表示样本属于某一类别的概率。逻辑回归（Logistic Regression）是一种用于。通过梯度下降法最小化损失。的统计学习方法，通过。原创 2025-04-08 16:10:42 · 469 阅读 · 1 评论 -
【深度学习与实战】2.3、线性回归模型与梯度下降法先导案例--最小二乘法(向量形式求解)
线性回归模型与梯度下降法先导案例--最小二乘法(向量形式求解)原创 2025-03-27 00:03:02 · 249 阅读 · 0 评论 -
【深度学习与实践】线性回归模型
因变量（被预测变量）：自变量（解释变量，：截距（所有自变量为0时的基准值）：回归系数（每个自变量对y的边际效应,解释变量，：误差项（捕捉未建模因素或随机噪声）原创 2025-03-26 22:05:28 · 508 阅读 · 0 评论 -
【深度学习与实战】2.2、线性回归模型与梯度下降法先导案例--最小二乘法
利用上述单特征线性模型来解决这个问题。首先这个数据的输入就一个，就是小明的学习时间，输出是考试的得分。当然数据是有很多的，要计算所有数据真实值和输出之间的误差和并计算出平均值，这个。函数为均方误差函数，也是线性回归模型的损失函数。·线性项的导数是系数的本身。求导并令导数为零，求出。首先，对损失函数关于。原创 2025-03-26 19:52:40 · 238 阅读 · 0 评论 -
【深度学习与实战】2.1、线性回归模型与梯度下降法先导案例
利用上述单特征线性模型来解决这个问题。首先这个数据的输入就一个，就是小明的学习时间，输出是考试的得分。当然数据是有很多的，要计算所有数据真实值和输出之间的误差和并计算出平均值，这个。函数为均方误差函数，也是线性回归模型的损失函数。原创 2025-03-26 18:54:03 · 429 阅读 · 0 评论 -
【深度学习与实战】2.1、线性回归模型与梯度下降法先导
通过线性方程（或超平面）拟合数据，建立输入特征（XX）与输出标签（yy）之间的映射关系原创 2025-03-25 12:11:26 · 479 阅读 · 0 评论