一只在cv道路上爬行的小乌龟~

线性回归的概念和模型推导见机器学习—线性回归总结即python实现 线性回归用于解决预测问题，本文用sklearn库解决线性回归中的经典问题——波士顿房价预测 sklearn库是机器学习中常用是库，其中包含很多实用的数据集，在datasets里导入波士顿房价的数据，利用model_selection工具包进行数据分割，利用linear_model库中的LinearRegression进行模型的预测，利用metrics评价模型，利用matplotlib.pyplot进行可视化，具体见代码 from sklea

逻辑回归Logistic Regression1.概念及公式推导1.1逻辑回归总述1.2为何选用sigmoid函数1.3损失函数1.3.1为何不使用均方误差作为损失函数1.3.2损失函数的推导1.4代价函数的推导1.5梯度下降公式推导2.手推公式3.logistic代码实现3.1手撕代码3.2利用sklearn库实现 1.概念及公式推导 1.1逻辑回归总述 逻辑回归学习算法，适用于二分类——y的输出值为0或1的问题。比如输入一张图片，输出这张图片上的动物是或不是猫。算法能够输出预测值y^\hat{y}y^​

XGBOOST算法总结1. 前言2. xgboost可以做什么3. xgboost的兄弟们3.1 简单介绍adaboost/GBDT4. 手推xgboost5. 如何分裂结点构造一棵树 1. 前言 一直都有听说xgboost的大名，并且在kaggle比赛中也是获奖法宝，更有甚者有人说模型不精准就上xgboost。最近阅读相关xgboost的文章，将自己所能获得的知识记录下来，用通俗易懂的语言表述出来，在后续的学习中温故而知新。 2. xgboost可以做什么 在机器学习中，其实很大一部分算法实现的目的归根到