Tensorflow一些常见操作： 代码： # -*- coding: UTF-8 -*- """ 用梯度下降的优化方法来快速解决线性回归问题 """ import numpy as np import matplotlib.pyplot as plt import tensorflow as tf ...
分类：
其他好文 时间：
2020-02-19 20:49:02
阅读次数：
78
虽然名字里带回归，但实际上是一种分类方法，主要用于两分类问题，即只有两种分类 优点：计算代价不高，易于理解和实现 缺点：容易欠拟合，分类精度可能不高 原理 线性回归函数 $\small z = f(X) = XW$ 其中 X 是特征值 W 是回归系数 X 和 W 都是向量，可展开为 $\small ...
分类：
其他好文 时间：
2020-02-19 00:49:46
阅读次数：
89
1.线性回归不适用于分类问题。 原因：1.单个样本对于线性回归可能会造成很大的影响。 2.函数的输出值可能非常大，非常离谱。 2.逻辑回归(logistic regression)：一种分类算法。是广义线性回归，$h(x)=g(\theta^{T}x)$，其中 $g(x)=\frac{1}{1+e^ ...
分类：
其他好文 时间：
2020-02-16 20:58:28
阅读次数：
86
线性回归形如y=w*x+b的形式，变量为连续型（离散为分类）。一般求解这样的式子可采用最小二乘法原理，即方差最小化， loss=min（y_pred-y_true）^2。若为一元回归，就可以求w与b的偏导，并令其为0，可求得w与b值；若为多元线性回归， 将用到梯度下降法求解，这里的梯度值w的偏导数， ...
分类：
其他好文 时间：
2020-02-16 14:37:25
阅读次数：
59
输入 鸢尾花卉数据集,数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。 输出 根据手动实现的逻辑回归模型对鸢尾花卉数据集分类的预测结果。 原理 逻辑回归处理的是分类问题，线性回归处理的是回归问题，这是两者最本质的区别。逻辑回归算法是一种分类算法，适用于标签取值离散的情况。 ...
分类：
编程语言 时间：
2020-02-16 00:57:31
阅读次数：
91
选择并训练模型 至此，我们已明确了问题，并对数据进行了预处理。现在我们选择并训练一个机器学习模型。 在训练集上训练模型 这个过程相对来说较为简单，我们首先训练一个线性回归模型： from sklearn.linear_model import LinearRegression lin_reg = L ...
分类：
其他好文 时间：
2020-02-15 15:04:10
阅读次数：
135
这篇记录的内容来自于Andrew Ng教授在coursera网站上的授课。 1.多元线性回归(multivariate linear regression)： h函数：$h_{\theta}{(x)}=\theta_{0}+\sum_{i=1}^{n}{\theta_{i}x_{i}}$ 为方便起见 ...
分类：
其他好文 时间：
2020-02-15 09:50:40
阅读次数：
81
线性回归 主要内容包括： 1. 线性回归的基本要素 2. 线性回归模型从零开始的实现 3. 线性回归模型使用pytorch的简洁实现 线性回归的基本要素 模型 为了简单起见，这里我们假设价格只取决于房屋状况的两个因素，即面积（平方米）和房龄（年）。接下来我们希望探索价格与这两个因素的具体关系。线性回 ...
分类：
其他好文 时间：
2020-02-14 22:58:16
阅读次数：
135
线性回归 主要内容包括： 1. 线性回归的基本要素 2. 线性回归模型从零开始的实现 3. 线性回归模型使用pytorch的简洁实现 线性回归的基本要素 模型 为了简单起见，这里我们假设价格只取决于房屋状况的两个因素，即面积（平方米）和房龄（年）。接下来我们希望探索价格与这两个因素的具体关系。线性回 ...
分类：
其他好文 时间：
2020-02-14 20:29:13
阅读次数：
73
理论部分： 矢量计算 在模型训练或预测时，我们常常会同时处理多个数据样本并用到矢量计算。在介绍线性回归的矢量计算表达式之前，让我们先考虑对两个向量相加的两种方法。 向量相加的一种方法是，将这两个向量按元素逐一做标量加法。 向量相加的另一种方法是，将这两个向量直接做矢量加法。 线性回归的基本要素 模型 ...
分类：
其他好文 时间：
2020-02-14 18:22:13
阅读次数：
90
