机器学习 第37页

2020-02-10半瓶木阅读(2380)评论(0)赞(0)

本文概要 SVM的类型 超平面和支持向量的SVM算法 SVM如何工作？ 支持向量机或SVM是最流行的监督学习算法，用于分类和回归的问题之一。然而，主要是，它是用于在机器学习分类问题。 支持向量机算法的目标是创造最好的线路或决策边界，可以分离...

2020-02-10半瓶木阅读(1830)评论(0)赞(0)

本文概要 为什么我们需要一个K-NN算法？ 如何K-NN的工作？ 如何选择的K在K-NN算法的价值？ KNN算法的优点 KNN算法的缺点 Python实现了KNN算法 K-最近的邻居是基于监督学习技术最简单的机器学习算法之一。 K-NN算法...

2020-02-10半瓶木阅读(1431)评论(0)赞(0)

本文概要 Logistic函数（双曲线函数） 假设对于逻辑回归 Logistic回归方程 Logistic回归类型 Logistic回归的Python实现（二项） Logistic回归是最流行的机器学习算法，来监督学习技术，下一个。它用于使...

2020-02-10半瓶木阅读(1426)评论(0)赞(0)

本文概要 什么是分类算法？ 在分类问题学生 ML分类算法的类型 评估分类模型 分类算法的使用案例 我们知道，在监督的机器学习算法可以大致分为回归和分类算法。在回归算法，我们预测连续值的输出，但预测分类值，我们需要分类算法。 什么是分类算法？...

2020-02-10半瓶木阅读(2376)评论(0)赞(0)

本文概要 多项式回归 多项式回归模型的公式 使用Python多项式回归的实现 多项式回归步骤 多项式回归是一个回归算法模型从属（Y）之间的关系和自变量（x）的第n个作为多项式。该多项式方程为：下面给出： 它也被称为多元线性回归在ML的特殊情...

2020-02-10半瓶木阅读(2854)评论(0)赞(3)

在建立机器学习模型时，逆向消除是一种特征选择技术。它用于删除那些对因变量或输出预测没有显著影响的特性。在机器学习中有各种各样的方法来建立模型，它们是： All-in 逆向消除 正向选择 双向消除 得分比较 以上是在机器学习中建立模型的可能方...

2020-02-10半瓶木阅读(1151)评论(0)赞(0)

在前面的主题中，我们学习了简单线性回归，即使用单个独立的/预测器(X)变量对响应变量(Y)进行建模，但是在不同的情况下响应变量可能受到多个预测器变量的影响;对于这种情况，我们使用了多元线性回归算法。 多元线性回归是简单线性回归的扩展，需要多...

2020-02-09半瓶木阅读(1501)评论(0)赞(0)

本文概要 简单线性回归模型 使用Python实现简单线性回归算法 简单线性回归是一种模拟因变量和独立变量之间关系的回归算法。简单线性回归模型所表示的关系是线性的或倾斜的直线，因此称为简单线性回归。 简单线性回归的关键是因变量必须是连续/实值...

2020-02-09半瓶木阅读(1337)评论(0)赞(0)

本文概要 线性回归的类型 线性回归线 寻找最佳拟合线 模型性能 线性回归的假设 线性回归是最简单和最流行的机器学习算法之一。它是一种用于预测分析的统计方法。线性回归为继续/实际或数字变量，如销售，薪水，年龄，产品价格等预测。 线性回归算法显...

2020-02-09半瓶木阅读(2051)评论(0)赞(0)

本文概要 回归分析相关的术语 为什么要使用回归分析？ 回归的类型 回归分析是一种用一个或多个自变量来模拟一个因变量(目标变量)和一个独立变量(预测变量)之间关系的统计方法。更具体地说，回归分析帮助我们理解当其他自变量保持不变时，因变量的值是...