码迷,mamicode.com
首页 >  
搜索关键字:逻辑回归    ( 776个结果
scikit-learn 逻辑回归类库使用小结
之前在逻辑回归原理小结这篇文章中,对逻辑回归的原理做了小结。这里接着对scikit-learn中逻辑回归类库的我的使用经验做一个总结。重点讲述调参中要注意的事项。# 一、概述 在scikit-learn中,与逻辑回归有关的主要是这3个类。LogisticRegression, LogisticReg... ...
分类:其他好文   时间:2019-07-19 18:39:33    阅读次数:122
最大熵模型原理小结
最大熵模型(maximum entropy model, MaxEnt)也是很典型的分类算法了,它和逻辑回归类似,都是属于对数线性分类模型。在损失函数优化的过程中,使用了和支持向量机类似的凸优化技术。而对熵的使用,让我们想起了决策树算法中的ID3和C4.5算法。理解了最大熵模型,对逻辑回归,支持向量... ...
分类:其他好文   时间:2019-07-19 18:26:51    阅读次数:102
第三章 经典算法
第三章 经典算法 0 写在前面 本章介绍了 SVM,逻辑回归和决策树 三个经典算法。这三个算法在李航的《统计学习方法》中分别拿出了三章重点讲解。本节的提问需要有相应的基础,通过书中的提问发现自己基础太弱了,而基础知识最能考察一个人的学习能力。(记得考研时张宇说过,基础知识不等于简单知识,越是抽象的基 ...
分类:编程语言   时间:2019-07-18 00:21:27    阅读次数:199
尚未整理【风控】互联网金融-构建评分卡模型部分知识点
①自变量不能相关,即排除自相关性,还有共线性;②变量一定要显著。③变量要独立同分布。 所以我们要进行共线性筛查,显著性筛查,相关性筛查,才能选择出入模变量。 9. 逻辑回归创建评分卡模型核心步骤: a) 变量分箱,可以排除异常值的影响,分法有等宽、等频、人工指定分箱、C4.5决策树、卡方分箱。 b) ...
分类:其他好文   时间:2019-07-15 01:36:27    阅读次数:194
scikit-learn机器学习(二)逻辑回归进行二分类(垃圾邮件分类),二分类性能指标,画ROC曲线,计算acc,recall,presicion,f1
数据来自UCI机器学习仓库中的垃圾信息数据集 数据可从http://archive.ics.uci.edu/ml/datasets/sms+spam+collection下载 转成csv载入数据 创建TfidfVectorizer实例,将训练文本和测试文本都进行转换 建立逻辑回归模型训练和预测 二元 ...
分类:其他好文   时间:2019-07-14 19:48:15    阅读次数:301
2.线性回归
简单线性回归 解决回归问题 思想简单,实现容易 许多强大的非线性模型的基础,比如逻辑回归、多项式回归、svm等等 结果具有很好的可解释性 蕴含机器学习中的很多重要思想 在这里先不着急进行化简,我们可以看看机器学习的思路 回到我们的问题 简单线性回归实现 肿么样,似不似灰常简单呢?那么下面我们就要按照 ...
分类:其他好文   时间:2019-07-12 23:38:10    阅读次数:219
梯度下降算法
机器学习模型的参数和超参数 参数 :模型参数,可以用数据进行估计,是模型内部的配置变量,通常使用优化算法估计模型参数,优化算法是对参数的可能值进行的一种有效搜索。例如人造神经网络中的权重、支持向量机中的支持向量、 线性回归或逻辑回归中的系数 超参数 :必须手动设置,是模型外部的配置变量,模型超参数常 ...
分类:编程语言   时间:2019-07-10 22:54:07    阅读次数:140
【机器学习】逻辑回归sklearn实现
https://blog.csdn.net/qq_24671941/article/details/94767008 ...
分类:其他好文   时间:2019-07-06 13:22:30    阅读次数:81
【机器学习】逻辑回归python实现
https://blog.csdn.net/qq_24671941/article/details/94766880 ...
分类:编程语言   时间:2019-07-06 13:15:49    阅读次数:99
【机器学习】逻辑回归原理介绍
https://blog.csdn.net/qq_24671941/article/details/94764693 ...
分类:其他好文   时间:2019-07-06 13:12:08    阅读次数:87
776条   上一页 1 ... 18 19 20 21 22 ... 78 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!