绒绒的Routine

这里写目录标题原理Demo库函数导入构建数据集并进行模型训练计算模型参数模型预测模型可视化支持向量机软间隔超平面原理（后续补充）Demo库函数导入## 基础函数库import numpy as np ## 导入画图库import matplotlib.pyplot as pltimport seaborn as sns## 导入逻辑回归模型函数from sklearn import svm构建数据集并进行模型训练##Demo演示LogisticRegression分类## 构造

目录决策树原理二级目录三级目录Demo实现构造数据集模型可视化决策树可视化模型预测基于企鹅数据集的决策树实战导入库和数据函数库导入数据集导入二级目录三级目录决策树原理二级目录三级目录Demo实现构造数据集#构造数据集x_features=np.array([[-1,-2],[-2,-2,],[-3,-2],[1,3],[2,1],[3,2]])y_label=np.array([0,1,0,1,0,1])#调用逻辑回归模型tree_clf=DecisionTreeClassifier(

逻辑回归作为一种基础的分类模型，在机器学习中占据着不可替代的位置。回归是用曲线拟合数据，逻辑回归并非一种回归运算，而是分类算法。目的是使用现有样本（已分类）训练得到一些参数θ，使得θ与x的线性组合z映射到sigmoid函数上，可以使这些样本出现的概率L(θ)极大化，也就是极大似然函数取最大值（此处也可考虑极大似然函数加一个负号转化成损失函数，使损失函数极小化也可达到同样目的）。目录一级目录二级目录三级目录一级目录二级目录三级目录...