bp(back propagation)修改每层神经网络向下一层传播的权值,来减少输出层的实际值和理论值的误差 其实就是训练权值嘛 训练方法为梯度下降法 其实就是高等数学中的梯度,将所有的权值看成自变量,误差E作为因变量 即E=f(w1,w2,w3,....,wk)//这些w就是每一层向下一层转移的 ...
分类：
其他好文 时间：
2019-06-01 21:33:35
阅读次数：
101
在介绍岭回归算法与Lasso回归算法之前，先要回顾一下线性回归算法。根据线性回归模型的参数估计公式可知可知，得到的前提是矩阵可逆。换句话说就是样本各个特征（自变量）之间线性无关。然而在实际问题中，常常会出现特征之间出现多重共线性的情况，使得行列式的值接近于0，最终造成回归系数无解或者无意义。 为了解 ...
分类：
编程语言 时间：
2019-05-12 18:27:21
阅读次数：
351
一、数学定义中的函数与Python中的函数 初中数学定义：一般的，在一个变化过程中，如果有两个变量x和y，并且对于x的每一个确定值，y都有唯一确定的值与之对应，那么我们就把x称为自变量，把y称为因变量，与是x的函数。自变量x的取值范围叫做这个函数的定义域。 例如：y=2*x python中函数的定义 ...
分类：
编程语言 时间：
2019-05-03 11:23:33
阅读次数：
116
回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。回归分析在机器学习领域应用非常广泛，例如，商品的销量预测问题，交通流量预测问题。那么，如何为这些回归问题选择最合适的机器学习算法呢？ ...
分类：
其他好文 时间：
2019-04-29 15:44:04
阅读次数：
136
分类与预测 分类主要是预测分类标号（离散属性），预测是建立连续值函数模型，预测给定自变量的因变量的值。 常用的分类与预测算法 | 算法名称 | 算法简介 | | : | : | | 回归分析 | 回归分析是确定预测属性（数值型）与其他变量间相互依赖的定量关系最常用的统计学方法。包括线性回归，非线性回 ...
分类：
其他好文 时间：
2019-04-16 01:19:20
阅读次数：
138
利用sklearn linear_model下的线性模型验证一下特征缩放前后结果是否一致 验证因变量y的缩放 结果： [200.][200.] 验证自变量x的缩放(结上面的代码) 结果： [[1.]][[1.]]>>> 缩放前后的结果是一致的~~~ ...
分类：
编程语言 时间：
2019-03-24 17:21:10
阅读次数：
175
1. 过拟合 欠拟合 过拟合：在训练集（training set）上表现好，但是在测试集上效果差，也就是说在已知的数据集合中非常好，但是在添加一些新的数据进来训练效果就会差很多，造成这样的原因是考虑影响因素太多，超出自变量的维度过于多了； 欠拟合：模型拟合不够，在训练集（training set）上 ...
分类：
其他好文 时间：
2019-03-23 13:12:23
阅读次数：
202
线性回归, 是回归分析中的一种, 其表示自变量与因变量之间存在线性关系. 回归分析是从数据出发, 考察变量之间的数量关系, 并通过一定的数学关系式将这种关系描述出来, 再通过关系式来估计某个变量的取值, 同时给出该估计的可靠程度. 下面我们从一元线性回归开始说起. 1. 一元线性回归 在回归分析中如 ...
分类：
其他好文 时间：
2019-03-16 18:08:45
阅读次数：
181
1. 二值化处理 将细粒度的度量转化成粗粒度的度量，使得特征的差异化更大。 2.特征多项式交互 捕获特征之间的相关性 3.数据分布倾斜的处理 log变化：log变化倾向于拉高那些落在较低的幅度范围内自变量的取值，压缩那些落在较高的幅度范围内自变量的取值，log变化能够稳定数据的方差，使数据的分布接近 ...
分类：
其他好文 时间：
2019-03-06 20:46:42
阅读次数：
305
函数函数能提高应用的模块性，和代码的重复利用率。定义一个函数比较简单，但是需要遵循以下几点规则：函数代码块以def关键词开头，后接函数标识符名称和圆括号()。任何传入参数和自变量必须放在圆括号中间，圆括号之间可以用于定义参数。函数内容以冒号起始，并且缩进。return[表达式]结束函数，选择性地返回一个值给调用方。不带表达式的return相当于返回None。定义函数格式：def函数名（参数）:函数
分类：
编程语言 时间：
2019-02-19 10:30:50
阅读次数：
196
