- 博客(4)
- 收藏
- 关注
RSS订阅原创 分析校正中回归分析的正确权重
前言我们在进行线性拟合的时候，实际上是假定线性范围内的方差相等，然而，当浓度范围比较宽的时候（例如0.01至100），方差的差异不可忽略，表现在小浓度的数据准确度较差。加权最小二乘线性回归模型可以被应用于克服这一问题，但应选择何种权重值得我们考虑。推荐模板链接链接: 加权线性拟合Excel及OpenOffice模板.使用指南加权曲线拟合对某些点应用了比其他点更多的权重(强调)，这在校准曲线跨越非常大的浓度范围时特别有用。其他自己看吧，夜太深，还没看懂。链接: 使用指南.案例同样自己看吧。
2021-05-23 23:43:19
1439
原创 机器学习算法（二）: 朴素贝叶斯(Naive Bayes)-2
2 实验室手册2.1 学习目标掌握贝叶斯公式结合两个实例了解贝朴素叶斯的参数估计掌握贝叶斯估计2.2 代码流程Part 1. 莺尾花数据集–贝叶斯分类Step1: 库函数导入Step2: 数据导入&分析Step3: 模型训练Step4: 模型预测Step5: 原理简析Part 2. 模拟离散数据集–贝叶斯分类Step1: 库函数导入Step2: 数据导入&分析Step3: 模型训练&可视化Step4: 原理简析2.3 算法实践莺尾花数据
2020-12-19 13:56:04
372
1
原创 机器学习算法（二）: 朴素贝叶斯(Naive Bayes)-1
机器学习算法（二）: 朴素贝叶斯(Naive Bayes)-11. 实验室介绍1.1 实验环境python3.7numpy >= ‘1.16.4’sklearn >= ‘0.23.1’——问题：sklearn的安装1.2 朴素贝叶斯的介绍朴素贝叶斯算法（Naive Bayes, NB) 是应用最为广泛的分类算法之一。它是基于贝叶斯定义和特征条件独立假设的分类器方法。由于朴素贝叶斯法基于贝叶斯公式计算得到，有着坚实的数学基础，以及稳定的分类效率。NB模型所需估计的参数很少，对缺
2020-12-18 23:23:07
327
1
转载 阿里云训练营学习——机器学习算法（一）: 基于逻辑回归的分类预测
机器学习算法（一）: 基于逻辑回归的分类预测1 逻辑回归的介绍和应用1.1 逻辑回归的介绍逻辑回归（Logistic regression，简称LR）虽然其中带有"回归"两个字，但逻辑回归其实是一个分类模型，并且广泛应用于各个领域之中。虽然现在深度学习相对于这些传统方法更为火热，但实则这些传统方法由于其独特的优势依然广泛应用于各个领域中。[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-OqNLFMwu-1607874496061)(image-2020121323094
2020-12-13 23:53:24
613
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人