js021x的博客

逻辑回归介绍逻辑回归常用来做分类任务，下面我用纯python代码实现一个简单的二分类任务。代码# coding=utf-8import mathimport randomimport matplotlib.pyplot as plt# 保存随机生成的点。x：坐标，y：标签x, y = [], []# 将不同标签的点分别保存在两个list，用于最后画图x_test1, x_te...

代码# coding=utf-8import randomimport matplotlib.pyplot as plt# 随机生成30个点x_data, y_data = [], []for x in range(0, 30): y = x * 0.2 + 2 + random.random() x_data.append(x) y_data.append...

说明非线性回归和线性回归类似，只是x不再与y成一次函数关系，而是成多次函数关系，在梯度下降时对每一个权重分别求导。下面我们实现一个x与y成二次函数关系的回归，以此类推可以实现多次函数关系的回归。代码# coding=utf-8import randomimport matplotlib.pyplot as plt# 随机生成 30 个点x_data, y_data = [], [...

多分类介绍多分类由二分类问题推广而来，我们可以把N分类问题分解为N个2分类问题。下面我们用代码实现一个简单三分类问题，其中y为n行3列的矩阵，其中0表示不属于该类1表示属于该类。代码中用到的矩阵乘法，不会的同学自行补课。代码实现# coding=utf-8import randomimport matplotlib.pyplot as pltimport numpy as npx,...

Sklearn简介Sklearn是机器学习中常用的第三方模块，对常用的机器学习方法进行了封装，包括回归(Regression)、降维(Dimensionality Reduction)、分类(Classfication)、聚类(Clustering)等方法。今天我们用Sklearn实现一个最简单的线性回归模型。代码实现# coding=utf-8import randomimport ...

PolynomialFeatures使用说明Sklearn非线性回归跟实现线性回归方法类似，也是用LinearRegression模型，但是在训练之前要用PolynomialFeatures来进行特征的构造。我们先来看PolynomialFeatures的作用。from sklearn.preprocessing import PolynomialFeaturesx = [[3], [4]...

介绍手写数字分类就是机器学习中的Hello world。下面我用纯python代码实现手写数字分类。主要用的到知识有逻辑回归、梯度下降、sigmoid损失函数，前面的博客我都写过了。代码注释比较详细，具体看注释↓代码# coding=utf-8import mathimport numpy as npimport matplotlib.pyplot as plt# 一个下载mnis...