datadigout

摘要： 一、逻辑回归基本概念 逻辑回归：用于解决二分类问题的统计学习方法，虽然名字中有"回归"，但实际上解决的是分类问题。 核心思想：根据给定的输入特征，通过逻辑函数（Sigmoid函数）计算出样本属于某个特定类别的概率。 二、逻辑回归数学原理 线性组合 首先对输入特征进行线性组合： z = θ₀ + θ₁ 阅读全文

摘要： 描述：基于数据集，进行数据理解、清洗、预处理、分析与建模，通过线性回归模型预测红酒质量，并进行可视化展示。 一、数据理解 目标：了解数据集结构，查看质量评分分布 import pandas as pd import matplotlib.pyplot as plt def data_understa 阅读全文

摘要： 一、 基本定义 线性回归是一种用于建模和分析一个或多个自变量（X）与一个因变量（Y）之间线性关系的统计方法。其核心目标是找到一条最佳拟合直线，用以描述变量间的关系，从而实现预测或因果分析。 二、 模型构成 线性回归模型的基本数学表达式为： Y = β₀ + β₁X + ε Y：因变量（需要预测的目标 阅读全文

摘要： 一、人工智能 人工智能：模拟人类智能的技术 机器学习：AI的子领域，从数据中学习模式 深度学习：机器学习的分支，使用神经网络 包含关系：深度学习⊂机器学习⊂人工智能 二、机器学习 定义：从数据中获得规律模型，用于预测 核心要素：算法是核心，数据是基础 应用领域：医疗、金融、零售、制造、交通、教育、媒 阅读全文