regression

机器学习的基本框架

模型：根据具体的任务选择不同的模型，比如regression,KNN,K-Means,随机森林，还有现在非常流行的神经网络模型。
Nina_ningning·2023-01-07 15:18

sklearn学习（一）

2.regression：我们
ShawnYe1022·2023-01-07 10:07

deepLearning-Logistic Regression 逻辑回归单元

一直是跟着cousera上吴恩达的课学下来的，目前到一课程第四周，还没做第四周作业。除了明显为个人手写并用手机拍摄，以下提供的图片都来自吴恩达老师课件的截图neuralnetwork神经网络在后期第四周的课里说明了这个和人脑神经元是没有可对比性的，也就是两者是完全没关系的东西。这里给出个人理解的定义：神经网络就是由输入，多个层级的隐藏层，输出组成的预测模型。可以通过一个训练组进行训练，测试组进行测
OneForPlus·2023-01-07 07:31

scikit-learn初级

index.html1.1Scikit-Learn简介Scikit-Learn（简称Sklearn）是Python的第三方模块，它是机器学习领域中知名的Python模块之一，它对常用的机器学习算法进行了封装，包括回归（Regression
weixin_50559423·2023-01-07 06:53

第七章.机器学习 Scikit-Learn—最小二乘法回归，岭回归，支持向量机，K_means聚类算法

Scikit-Learn7.1Scikit-Learn简介Scikit-Learn简称(SKlearn)是Python的第三方模块，是机器学习领域当中知名的Python模块之一，对常用的机器学习算法进行了封装，包括回归(Regression
七巷少年^ω^·2023-01-07 06:10

Linux 中关于文件的所有知识（最全)

以例子解析：drwxr-xr-x2rootroot4096Nov1822:52filtergraphs-rwxr-xr-x1rootroot10872Nov1822:52lavf-regression.sh-rw-r–r
Taboo-·2023-01-06 18:03

【统计学习方法】logistic regression 逻辑斯蒂回归

统计学习方法第六章I参考资料LR回归的核心在于引入了新的平滑函数sigmoid函数，这种函数相比于感知机的符号函数sgn函数好处在于可以求导，可以求导意味着可以进行梯度下降。（在感知机中实际上是最小化yi(w∗xi+b)y_i(w*x_i+b)yi(w∗xi+b)）并且相对于感知机算法，只要wx+b>0wx+b>0wx+b>0就判定为1的策略。再sigmoid的函数帮助下，我们可以得到一个相对精确
zcz5566719·2023-01-06 13:11

【机器学习】笔记5：Logistic Regression 逻辑斯蒂回归

LogisticRegressionReferencePreparation1.RegressionandClassification2.GenerativeModelsandDiscriminantModelsforClassification3.NaiveBayes4.Hyperplane5.InformationTheoryNotationsLogisticRegression1.Whati
eivind7·2023-01-06 13:09

Logistic Regression （逻辑斯蒂回归）理解

虽然名字中有“回归”，但这其实是个用于分类问题的方法。一、首先介绍sigmoid函数σ(z)=11+e−z\sigma(\mathrm{z})=\frac{1}{1+\mathrm{e}^{-\mathrm{z}}}σ(z)=1+e−z1图像如下：这个函数的意义在于，对任意x∈(−∞,+∞)x\in(-\infty,+\infty)x∈(−∞,+∞)，y的值都可以被限制在[0,1]内，也就是“概率
雪shan飞hu·2023-01-06 13:37

机器学习之LinearRegression与Logistic Regression逻辑斯蒂回归(三)

一评价尺度sklearn包含四种评价尺度1均方差（mean-squared-error）2平均绝对值误差（mean_absolute_error）3可释方差得分（explained_variance_score）4中值绝对误差（Medianabsoluteerror）5R2决定系数（拟合优度）模型越好：r2→1模型越差：r2→0二逻辑斯蒂回归1概述在逻辑斯蒂回归中，我们将会采用sigmoid函数作
weixin_30951743·2023-01-06 13:07

10.Logistic Regression逻辑斯蒂回归

上一讲是关于线性回归，重点是求解w的解析方案(通过pseudo-inverse求解w)。这一讲关注另一个很重要的方法，逻辑斯蒂回归(logisticregression)。林轩田对逻辑斯蒂回归的解释思路和AndrewNg还是有明显区别的，都十分有助于我们的理解；但要深究其数学意义，还要自己多钻研。1，逻辑斯蒂回归问题有一组病人的数据，我们需要预测他们在一段时间后患上心脏病的“可能性”，就是我们要考
tanyanzimo·2023-01-06 13:06

logistic regression 逻辑斯蒂回归（两类）

logisticregression从字面上就可以看出，分类实际上也是一种特殊的回归。其与linearregression的不同是输出增加了一个非线性映射，映射到0-1，从而可以利用概率进行分类。分类问题有很多种模型，包括logisticregression，SVM支持向量机，神经网络等等，logistic是分类问题中最基本的内容。很多教材上也有讲到。但是对logistic函数的来龙去脉讲的并不清
richard2357·2023-01-06 13:05

逻辑回归手动实现（logistic regression）

逻辑回归手动实现逻辑回归算法解释公式解读梯度下降python代码实现随机梯度更新代替全局梯度更新数据集逻辑回归算法解释回归：假设有一些数据点。利用一条直线对这些点进行拟合就叫做回归逻辑回归：回归的目标是一个二值的结果（0,1），是最常用的一种分类模型。已知一组数据X以及其相应的二值标签Y利用这些数据构造一个函数，预测新的输入Xi的标签。X1----->Y1（0）X3----->Y3（1）X4---
褪色的博客·2023-01-06 13:05

Logistic Regression （逻辑斯蒂回归）的来龙去脉

LogisticRegression（逻辑斯蒂回归）的来龙去脉‘逻辑斯蒂回归’是对‘LogisticRegression’的音译，其实对它的直白翻译应该就是“逻辑回归”，下面为了强调“逻辑”这个词，我就将“LogisticRegression”翻译成“逻辑回归”。为什么会取这么个名字呢？个人感觉是因为“逻辑回归”是用来分类的，最终拟合的是0和1这两个数，这就是数学中的逻辑符号，真就是1，假就是0，
WAng_Pc_Better·2023-01-06 13:05

对逻辑斯蒂回归（Logistic Regression）的理解

本文转载自：https://www.jianshu.com/p/99eb7dcd0114，如有侵权，请及时联系删除logistic分布函数和密度函数，手绘大概的图像分布函数：-密度函数:其中，μ表示位置参数，γ为形状参数。logistic分布比正太分布有更长的尾部且波峰更尖锐LR推导，基础5连问基础公式f(x)=wx+by=sigmoid(f(x))可以看作是一次线性拟合+一次sigmoid的非线
铁甲大宝·2023-01-06 13:04

Pytorch实践----06.Logistic Regression逻辑斯蒂回归

学习刘二大人《PyTorch深度学习实践》B站地址：B站视频逻辑斯蒂回归虽然叫和回归，但其实是为了解决分类问题importtorchimporttorch.nnasnnimporttorch.nn.functionalasFx_data=torch.Tensor([[1.0],[2.0],[3.0]])y_data=torch.Tensor([[0],[0],[1]])classLogistReg
一郭不够吃·2023-01-06 13:33

Logistic Regression逻辑斯蒂回归

WelcomeToMyBlogLogisticRegressionlogistic回归是统计学习中的经典分类方法,他属于对数线性模型,logistic回归来源于logistic分布,先从logistic分布说起Logisticdistribution设X是连续随机变量,X服从logistic分布,其分布函数和概率密度函数如下:分布函数其中,μ为位置参数,s为形状参数分布函数即为通常所说的logis
littlehaes·2023-01-06 13:33

逻辑斯蒂回归（logistic regression）的梯度下降算法

值得注意的是，逻辑回归（logisticregression）解决的是有监督的分类问题，而非回归问题。分类和回归的区别分类问题和回归问题的区别在于输出：分类问题的输出是离散型变量，如判断一个人是否得病，只有两种结果：得病或者不得病；而回归问题的输出为连续型变量，如预测一个人五年后的工资，它就可能是一个实数区间内的任意值。logistic和多重线性回归实际上，logistic回归和多重线性回归除输出
Jerry_Chang31·2023-01-06 13:02

Logistic Regression 逻辑斯蒂回归

文章目录5、LogisticRegression逻辑斯蒂回归5.1回归任务5.1.1MNISTDataset5.1.2CIFAR-10Dataset5.2RegressionvsClassification回归vs分类5.3Sigmoidfunctions5.3.1LogisticFunction[0,1]5.3.2OtherFunctions[-1,1]5.4Model模型5.5.1torch.
LeoATLiang·2023-01-06 13:00

《动手学深度学习》第三章——（4）softmax回归的简洁实现_学习思考与习题答案

#作者github[源码地址](https://github.com/Zhangshuor/deeplearning/blob/main/chapter_linear-networks/linear-regression-concise.py
coder_sure·2023-01-06 11:56

万字长文教你优化轻量姿态估计模型（算法篇），附调参侠秘籍！

本文来自社区投稿，作者知乎ID：镜子0.观前提醒在本文中你将会看到：【CPU下12ms】轻量姿态估计模型Regression方法如何做到比Heatmap方法快近3倍且精度更高【集中盘点】轻量模型常规涨点
OpenMMLab·2023-01-06 07:06

学习笔记-动手学深度学习-线性回归

3.1.线性回归回归（regression）是能为一个或多个自变量与因变量之间关系建模的一类方法。在自然科学和社会科学领域，回归经常用来表示输入和输出之间的关系。
普尔·2023-01-06 04:39

功能强大的Python包sklearn概述

简单有效的数据挖掘和数据分析工具可供所有人访问，并可在各种环境中重复使用基于NumPy、SciPy和matplotlib构建开源，可用于商业-BSD许可证sklearn可用于分类（classification）、回归（regression
SanyiRouROU·2023-01-06 00:44

逻辑回归模型(Logistic Regression)

逻辑回归符合伯努利分布。伯努利分布就是我们常见的0-1分布，即它的随机变量只取0或者1，各自的频率分别取1−p和p，当x=0或者x=1时，我们数学定义为：所以在常规的逻辑回归模型中，只有两个类别，0或者1，适合二分类问题。模型函数逻辑回归模型可以看成是将线性回归模型放入一个sigmoid函数中。线性回归模型为。sigmoid函数是。所以逻辑回归模型函数是。sigmoid函数的范围为[0,1]，所以
平行的空间·2023-01-05 22:15

逻辑回归（Logistic Regression）

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、疾病指数等指标，判断一个人是否换糖尿病，Y=0表示未患病，Y=1表示患病，这里的响应变量是一个两点（0-1）分布
九点十一分反弹·2023-01-05 22:14

李沐老师 PyTorch版——线性回归 + softmax回归的简洁实现（3）

文章目录softmax-regression-concisetorch.nn.init.normal_net.apply方法torch.tensor&torch.Tensor?交叉熵损失函数是什么？
硕欧巴·2023-01-05 21:45

李沐老师 PyTorch版——线性回归 + 基础优化算法（2）

torch.utils.data.TensorDatasettorch.utils.data.DataLoadertorch.nn.Sequentialtorch.nn.Lineartorch.nn.MSELosstorch.optimlinear-regression-concisetorch.utils
硕欧巴·2023-01-05 21:15

进击的机器学习 Fifth Day——逻辑回归（Logistic Regression)

提到逻辑回归呢？我一下子就想起了我批判性思维的老师晋逻辑。算法原理：首先来声明一下，虽然我们算法的名字就叫做逻辑回归，但是逻辑回归却是一个二分类算法(周志华老师称之为线性几率回归或者对数几率回归),一般只能用来预测含有两种标签（或者类别）的数据，比如0和1，男和女等等。为什么它的名字里面包含了回归呢？我想可能是因为模型中包含了一个线性回归表达式y=w*x+b,这样的话y的取值就有可能非常大，也有可
Fisher Kueen·2023-01-05 19:31

【机器学习实战】五、实现非线性回归模型案例

/data/non-linear-regression-x-y.csv')x=data['x'].values
敷衍zgf·2023-01-05 17:33

【2022机器学习笔记】机器学习基本概念简介P1-P3

语音识别）imagerecognitionDeepLearning的函式是一个类神经网络DifferenttypesofFunctions输入可以是向量，矩阵（图片），序列（文章）输出可以是数值（这种任务叫regression
MAGICbrook·2023-01-05 17:32

p2机器学习基本概念简介

2.第1讲：机器学习基本概念简介上_哔哩哔哩_bilibili机器学习找一个合适的函数：随着找的函数不同，机器学习就有了不同的类别，下面了解一些专有名词：Regression：假设找的函数输出是一个数值
落雪snowflake·2023-01-05 17:31

模型预测精度（数值regression）评价指标 - RMSE, MAE, MAPE & Bias哪个指标更好？Forecast KPIs: RMSE, MAE, MAPE & Bias

模型预测精度（数值regression）评价指标-RMSE,MAE,MAPE&Bias哪个指标更好？
hongxu000·2023-01-05 14:10

李宏毅机器学习2020-作业1：预测PM2.5的值（li‘near regression）

一.问题描述数据下载网盘链接：https://pan.baidu.com/s/1X_E11htmPWiDIF6UAVyJQw提取码：i94n先打开train.csv，显示如下:有乱码，不管他就行。可以看到train.csv是一个（18（检测类型）x20（天数）x12（月份））x24（小时）的矩阵即4320x24的矩阵二.数据预处理先进行必要的数据包的导入。importsys#该模块提供对解释器使用
sliver_23·2023-01-05 11:16

李宏毅--机器学习作业--1-Linear Regression：预测PM2.5

1-LinearRegression：预测PM2.51.作业目的2.数据集描述3.作业描述4.完整代码5.测试Python6.运行源码7.安装库语句8.SYS安装教程9.解决Non-UTF-8问题注意：这篇博客的任何操作是在已经下载好Python的前提下，如果还没有下载Python，可以参考以下链接下载Pythonhttps://blog.csdn.net/qq_39346534/article/
纯粹.·2023-01-05 11:43

人工智能之机器学习-逻辑回归、回归（Regression）-Pytorch快速实现

文章目录概述直接上pytorch网络搭建设置优化器选择损失函数开始训练（炼丹）测试模式（nograd）进阶指南听说点进蝈仔帖子的都喜欢点赞加关注~~老规矩，先送上官网，建议不知道优化器，损失函数，网络模型的朋友们看看官网https://pytorch.org/https://pytorch.org/docs/stable/nn.html基本都在torch.nn下鸣谢：https://zhuanla
易烊千蝈·2023-01-05 11:57

机器学习-逻辑回归(Logistic Regression)

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、疾病指数等指标，判断一个人是否换糖尿病，Y=0表示未患病，Y=1表示患病，这里的响应变量是一个两点（0-1）分布
陈塬升·2023-01-05 11:56

python-机器学习-预测房价问题 House Price Advanced Regression Techniques

预测房价问题HousePriceAdvancedRegressionTechniques1.绪论1.1需求分析购房者描述他们的梦想房屋，他们可能不会从地下室天花板的高度或靠近东西方铁路开始。但是这个游乐场比赛的数据集证明了价格谈判比卧室或白色栅栏的数量更多。同时项目给出维79特征向量用来描述（几乎）爱荷华州Ames住宅的每一个方面。有79个解释变量描述（几乎）爱荷华州埃姆斯的住宅的各个方面，这次竞
尘剑心·2023-01-05 00:54

机器学习系列-Locally weighted linear regression(2)

机器学习这是记录自学的过程，目前的理论基础就是：大学高等数学+线性代数+概率论。编程基础：C/C++,python在观看机器学习实战这本书，慢慢介入。相信有读过以上三门课的人完全可以开始自学机器学习了，当然我上面这三门课学的一般，所以你只知道有这么一个公式或名词，不懂可以百度之深究之。在写这篇文章的时候作者机器学习还没学完，故文章中的错误还请不吝指出。再次声明，系列文章只是分享学习过程，学习点滴，
哇小明·2023-01-04 18:04

局部加权线性回归(Locally weighted linear regression)

我们先看一组图片：这是给出一组实数输入x∈Rx\in\Bbb{R}x∈R后，对目标函数y的估计。最左边的图用y=θ0+θ1xy=\theta_0+\theta_1xy=θ0+θ1x去拟合数据。但我们看到大部分训练样本并不在这条直线上，拟合的效果不好。中间的图改用y=θ0+θ1x+θ2x2y=\theta_0+\theta_1x+\theta_2x^2y=θ0+θ1x+θ2x2来拟合数据情况就好很多
y小川·2023-01-04 18:01

局部线性回归（Locally Weighted Linear Regression）

线性回归：利用称为线性回归方程的最小二乘函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。与感知器学习类似，不过回归的目的是预测数值型的目标值。求得回归系数，即得出模型。简单的线性回归有可能出现欠拟合的现象，这是由于数据表现不是线性的，这时线性回归得不到很好的预测结果。局部加权线性回归：不做定义，只做比较。增加的局部加权，类似KNN的思想，离待遇测点距离越近的点，权值越大，近似得到预测
飞飞小鱼L·2023-01-04 18:01

局部加权线性回归算法(Locally Weighted Linear Regression)及相关案例

局部加权线性回归算法(LocallyWeightedLinearRegression)及相关案例大家好，我是W这次讲线性回归，之前有说逻辑回归（LogisticRegression），虽然逻辑回归负责分类，可是在数据到达二值函数之前的逻辑都是线性回归的逻辑，所以这两个回归是十分相似的。这篇文章的顺序是：1、线性回归算法原理2、最小二乘法和算法评估标准3、案例1-简单数据集标准线性回归4、案例2-简
我一拳打弯你A柱·2023-01-04 18:59

机器学习:局部加权线性回归(Locally Weighted Linear Regression)

线性回归先复习一下线性回归的损失函数：我们的目标是使该函数最小，用矩阵表示为：对参数w求导得：令上式等于0可估计出回归系数w得最优解：但线性回归往往容易欠拟合，除了使用更复杂得函数拟合，还可以使用局部加权线性回归(locallyweightedlinearregression)局部加权线性回归(LWLR)在该算法中我们给待预测点附件得每个点赋予一定的权重，即在计算时我们更关注附近的数据，离的远的数
JiYH·2023-01-04 18:59

python+Scikit-Learn线性回归及损失函数

其中，监督学习主要包括：分类（Classification）、回归（Regression）和排序（Ranking）。监督学习是通过已知的训练数据集，训练得到数据集中特征x
Lihoon. AI·2023-01-04 14:26

sklearn 逻辑回归（Logistic Regression）详解

在scikit-learn中，逻辑回归的类主要是LogisticRegression和LogisticRegressionCV。两者主要区别是LogisticRegressionCV使用了交叉验证来选择正则化系数C；而LogisticRegression需要自己每次指定一个正则化系数。除了交叉验证，以及选择正则化系数C以外，两者的使用方法基本相同。参数sklearn的lr主要的参数设置在Logis
小白冲冲冲··2023-01-04 12:02

姿态估计之2D人体姿态估计 - Human Pose Regression with Residual Log-likelihood Estimation(RLE)

【参考】重点看第四篇[ICCV2021Oral]学习潜在的误差分布——HumanPoseRegressionwithResidualLog-likelihoodEstimation(RLE)论文笔记-知乎RLE重铸回归方法的荣光后，回归和热图的异同究竟在何方？|姿态估计ICCV2021读后实验-知乎零基础看懂RLE（ResidualLog-likelihoodEstimation）|姿态估计ICC
light169·2023-01-04 07:48

人体姿态估计文章阅读(一)《Integral Human Pose Regression》

人体姿态估计文章阅读(一)文章《IntegralHumanPoseRegression》code:https://github.com/JimmySuen/integral-human-poseIntroduction人体姿态估计方法目前使用的都是detectionbasedmethod，pipline如下图所示。这种方法首先生成一个heatmap，其物理意义可以理解为是image中人体关节的概率
海绵baby强无敌·2023-01-04 07:48

关键点论文详解之：Human Pose Regression with Residual Log-likelihood Estimation(RLE)

前言做过关键点的同学都知道，一般Heatmap-based方法在性能上会优于Regression-based的方法。
小小小绿叶·2023-01-04 07:18

ICCV 2021 | 重铸Regression荣光！具有残差对数似然估计的人体姿态回归

©作者|Tau单位|网易研究方向|计算机视觉本文是一篇新鲜出炉的ICCVOral，由于我的工作内容是姿态估计相关，因此也在第一时间拜读了一下，以下是一些笔记和过往经验的总结。由于我自身能力有限，文章中存在错误请见谅，欢迎指正。论文标题：HumanPoseRegressionwithResidualLog-likelihoodEstimation论文地址：https://jeffli.site/re
PaperWeekly·2023-01-04 07:17

Human Pose Regression with Residual Log-likelihood Estimation阅读笔记

基于残差对数似然估计的人体姿态回归ICCV2021Oral论文链接代码链接摘要：热图法通过似然热图模拟输出分布，在人体姿态估计领域独领风骚。相比之下，基于回归的方法效率更高，但性能较差。本文从极大似然估计（MLE）角度开发一种高效并有效的基于回归的姿态估计方法。从极大似然估计的角度来看，采用不同的回归损失是对输出密度函数作出不同的假设，密度函数越接近真实分布，回归性能越好。鉴于此，我们提出了一种新
AnZhiJiaShu·2023-01-04 07:16

机器学习回归评价指标 Regression risk metrics

机器学习回归评价指标，一些Regressionriskmetrics整理自用ŷ_i是第i个样本的预测值，y_i是相应的真实值，评估n个样本点的方法,其中MSE(均方误差)MeanSquareErrorfromsklearn.metricsimportmean_squared_errormean_squared_error(y_true,y_pred)MAE(平均绝对误差)MeanAbsolute
是个摆子·2023-01-03 21:42
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他