1.用自己的话描述一下，什么是逻辑回归，与线性回归对比，有什么不同？ 什么是：逻辑回归本质上是一个线性回归模型，是一种用来解决二分类问题的机器学习方法，用于估计某种事物的可能性。 逻辑回归公式： 和线性回归的不同（直接上的不同）：逻辑回归中因变量都是分类型变量，而线性回归的是连续性数值变量，并且逻辑 ...
分类：
其他好文 时间：
2020-06-16 13:01:30
阅读次数：
49
一. 逻辑回归 在前面讲述的回归模型中，处理的因变量都是数值型区间变量，建立的模型描述是因变量的期望与自变量之间的线性关系。比如常见的线性回归模型： 而在采用回归模型分析实际问题中，所研究的变量往往不全是区间变量而是顺序变量或属性变量，比如二项分布问题。通过分析年龄、性别、体质指数、平均血压、疾病指 ...
分类：
编程语言 时间：
2020-06-15 17:45:02
阅读次数：
82
作者|Anuj Shrivastav 编译|VK 来源|Medium 介绍 监督学习描述了一类问题，涉及使用模型来学习输入示例和目标变量之间的映射。如果存在分类问题，则目标变量可以是类标签，如果存在回归问题，则目标变量是连续值。一些模型可用于回归和分类。我们将在此博客中讨论的一种这样的模型是支持向量 ...
分类：
其他好文 时间：
2020-06-15 14:18:38
阅读次数：
76
一、定义问题，收集数据集 首先要清楚面对问题的输入数据是什么？要预测什么？ 收集这些数据，有需要的话用标签来标注数据。 其次要清楚面对的是什么类型的问题？是二分类问题、多分类问题、标量回归问题、向量回归问题，还是多分类、多标签问题？或者是其他问题，比如聚类、生成或强化学习？确定问题类型有助于你选择模 ...
分类：
其他好文 时间：
2020-06-15 12:16:26
阅读次数：
47
背景解决的二分类问题,如手写识别0-9目标：逻辑回归返回一个概率值[0-1]逻辑回归的特点：快、效果好、容易实时在线预测、利于分析方法：定义一个条件概率，如p(Y|X)相当于用模型来捕获输入X和输出Y之间的关系，如推导对于二分类问题，由于p(Y|X)的值域在[-∞,+∞]，为了令其至于范围压缩到[-1,1]之间，故推荐使用sigmoid函数，故得两式子合并，可得关于使用sigmoid前面说道使用该
分类：
其他好文 时间：
2020-06-15 10:05:46
阅读次数：
55
1. 介绍 本篇博文主要讲解2014年ICLR的一篇非常牛逼的paper：《Network In Network》，过去一年已经有了好几百的引用量，这篇paper改进了传统的CNN网络，采用了少量的参数就松松击败了Alexnet网络，Alexnet网络参数大小是230M，采用这篇paper的算法才2 ...
分类：
Web程序 时间：
2020-06-14 16:52:04
阅读次数：
131
1 import pandas 2 from matplotlib import pyplot 3 from scipy.stats import linregress 4 sale=pandas.read_excel('销售.xlsx',dtype={'date':str}) 5 6 7 slop ...
分类：
其他好文 时间：
2020-06-14 12:37:02
阅读次数：
59
1.用自己的话描述一下，什么是逻辑回归，与线性回归对比，有什么不同？ 逻辑回归是一种有监督的统计学习方法，主要用于对样本进行分类。 不同的就是线性回归中，独立变量的系数解释十分明了，就是保持其他变量不变时，改变单个变量因变量的改变量。而在逻辑回归中，自变量系数的解释就要视情况而定了，要看选用的概率分 ...
分类：
其他好文 时间：
2020-06-14 10:58:20
阅读次数：
61
1.逻辑回归是怎么防止过拟合的？为什么正则化可以防止过拟合？（大家用自己的话介绍下） 逻辑回归可以增加样本量，也可通过特征选择,剔除一些不重要的特征,从而降低模型复杂度。 过拟合的时候，拟合函数的系数往往非常大，而正则化是通过约束参数的范数使其不要太大，所以可以在一定程度上减少过拟合情况 2.用lo ...
分类：
其他好文 时间：
2020-06-14 10:46:59
阅读次数：
50
一 对数回归 全称为对数几率回归，其它文献也称为 线性回归。 虽然称为回归，但实际是分类算法。 本质是广义线性模型。通过sigmoid函数（联系函数），将回归模型的预测值与分类的真实标记联系起来。 只适用于二分类？ 多分类情况 采用 OvO或者OvR策略解决。 类别不平衡问题 采用 再缩放 （res ...
分类：
其他好文 时间：
2020-06-13 17:10:07
阅读次数：
99
