摘要：
1 正规方程优化 sklearn.linear_model.LinearRegression(fit_intercept=True) fit_intercept：是否计算偏置 属性： LinearRegression.coef_：回归系数 LinearRegression.intercept_：偏置 阅读全文
posted @ 2021-09-16 15:58
Trouvaille_fighting
阅读(96)
评论(0)
推荐(0)
摘要：
1 全梯度下降算法（FG） 计算训练集所有样本误差，对其求和再取平均值作为目标函数。 在执行每次更新时，我们需要在整个数据集上计算所有的梯度，所以批梯度下降法的速度会很慢，同时，批梯度下降法无法处理超出内存容量限制的数据集。 批梯度下降法同样也不能在线更新模型，即在运行的过程中，不能增加新的样本。 阅读全文
posted @ 2021-09-16 15:46
Trouvaille_fighting
阅读(173)
评论(0)
推荐(0)
摘要：
1 损失函数 总损失定义为： yi为第i个训练样本的真实值 h(xi)为第i个训练样本特征值组合预测函数 又称最小二乘法 我们想使得损失函数的值最小，就要通过一些优化方法去优化(即为数学当中的求导功能)回归的总损失。 2 优化算法 求模型当中的W，使得损失最小（找到最小损失对应的W值） 线性回归经常 阅读全文
posted @ 2021-09-16 11:42
Trouvaille_fighting
阅读(495)
评论(0)
推荐(0)
摘要：
 阅读全文
posted @ 2021-09-16 10:33
Trouvaille_fighting
阅读(40)
评论(0)
推荐(0)
摘要：
1 线性回归API 函数：sklearn.linear_model.LinearRegression() 属性即回归系数：LinearRegression.coef_ 举例：平时成绩0.5+期末成绩0.5=最终成绩 2 案例实现 导入模块 from sklearn.linear_model impo 阅读全文
posted @ 2021-09-16 10:31
Trouvaille_fighting
阅读(136)
评论(0)
推荐(0)
摘要：
1 线性回归应用场景 房价预测、销售额度预测、贷款额度预测 2 什么是线性回归 2.1 定义与公式 定义：线性回归(Linear regression)是利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式。 特点：只有一个自变量的情况称为单变量回归，多于 阅读全文
posted @ 2021-09-16 10:19
Trouvaille_fighting
阅读(132)
评论(0)
推荐(0)
摘要：
使用conda 导入joblib,在控制台输入： conda install joblib 使用 import joblib 注：使用以下命令会提示找不到 from sklearn.externals import joblib 阅读全文
posted @ 2021-09-16 09:52
Trouvaille_fighting
阅读(259)
评论(0)
推荐(0)
浙公网安备 33010602011771号