<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[js021x的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/js021x</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; js021x]]></copyright><item><title><![CDATA[纯Python通过逻辑回归实现手写数字分类]]></title><link>https://blog.youkuaiyun.com/js021x/article/details/98947856</link><guid>https://blog.youkuaiyun.com/js021x/article/details/98947856</guid><author>js021x</author><pubDate>Fri, 09 Aug 2019 12:11:57 +0800</pubDate><description><![CDATA[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-8

import math
import numpy as np
import matplotlib.pyplot as plt
# 一个下载mnis...]]></description><category></category></item><item><title><![CDATA[Python逻辑回归实现多分类]]></title><link>https://blog.youkuaiyun.com/js021x/article/details/95452847</link><guid>https://blog.youkuaiyun.com/js021x/article/details/95452847</guid><author>js021x</author><pubDate>Thu, 11 Jul 2019 10:19:59 +0800</pubDate><description><![CDATA[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-8
import random
import matplotlib.pyplot as plt
import numpy as np

x,...]]></description><category></category></item><item><title><![CDATA[Python实现逻辑回归]]></title><link>https://blog.youkuaiyun.com/js021x/article/details/95041504</link><guid>https://blog.youkuaiyun.com/js021x/article/details/95041504</guid><author>js021x</author><pubDate>Mon, 08 Jul 2019 00:24:48 +0800</pubDate><description><![CDATA[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-8
import math
import random
import 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...]]></description><category></category></item><item><title><![CDATA[Sklearn实现非线性回归]]></title><link>https://blog.youkuaiyun.com/js021x/article/details/94912303</link><guid>https://blog.youkuaiyun.com/js021x/article/details/94912303</guid><author>js021x</author><pubDate>Sat, 06 Jul 2019 23:20:59 +0800</pubDate><description><![CDATA[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 PolynomialFeatures
x = [[3], [4]...]]></description><category></category></item><item><title><![CDATA[Sklearn实现线性回归]]></title><link>https://blog.youkuaiyun.com/js021x/article/details/94361880</link><guid>https://blog.youkuaiyun.com/js021x/article/details/94361880</guid><author>js021x</author><pubDate>Sun, 30 Jun 2019 22:56:12 +0800</pubDate><description><![CDATA[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-8

import random
import ...]]></description><category></category></item><item><title><![CDATA[Python梯度下降实现非线性回归]]></title><link>https://blog.youkuaiyun.com/js021x/article/details/94063630</link><guid>https://blog.youkuaiyun.com/js021x/article/details/94063630</guid><author>js021x</author><pubDate>Fri, 28 Jun 2019 23:47:23 +0800</pubDate><description><![CDATA[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-8

import random
import matplotlib.pyplot as plt

# 随机生成 30 个点
x_data, y_data = [], [...]]></description><category></category></item><item><title><![CDATA[Python实现线性回归]]></title><link>https://blog.youkuaiyun.com/js021x/article/details/93927043</link><guid>https://blog.youkuaiyun.com/js021x/article/details/93927043</guid><author>js021x</author><pubDate>Thu, 27 Jun 2019 23:51:08 +0800</pubDate><description><![CDATA[代码
# coding=utf-8

import random
import 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...]]></description><category></category></item></channel></rss>