regression

李沐-动手学深度学习-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。线性模型可以看做是单层神经网络。线性回归是对n维输入的加权，外加偏差。使用平方损失来衡量预测值和真实值的差异。
啥都想学点的研究生·2022-11-20 03:22

线性神经网络-线性回归

1.1.1.3.解析解1.1.1.4.小批量随机梯度下降1.1.1.5.用学习到的模型进行预测1.1.3.正态分布与平方损失1.1.4.从线性回归到深度网络1.1.4.1.神经网络图1.1.线性回归回归（regression
Tc.小浩·2022-11-20 02:09

《统计学习方法》Chapter.6.1 逻辑斯谛回归（Logistic Regression）

Logistic回归Logistic分布设XXX是连续随机变量，XXX服从逻辑斯蒂分布是指XXX具有下列分布函数和密度函数：F(x)=P(X≤x)=11+e−(x−μ)/rf(x)=F′(x)=e−(x−μ)/rγ(1+e−(x−μ)/r)2F(x)=P(X\leqx)=\frac{1}{1+e^{-(x-\mu)/r}}\\f(x)=F^{'}(x)=\frac{e^{-(x-\mu)/r}}{
taotaoiit·2022-11-19 22:38

深度学习笔记1-model大致分类

2.监督学习的两个大分类（1）Regression（回归）（2）Classification（分类）BinaryClassification（二元分类）Muti-classClassification（
henrychur·2022-11-19 21:29

机器学习基础-引用同济子豪兄版

测试集二分类问题（Binaryclassification）结论：谷歌可视化降维：机器学习任务：classification（分类）（有监督）：KNN，SVM，决策树，朴素贝叶斯，逻辑回归，深度神经网络regression
黑檀木与雪松·2022-11-19 20:18

李宏毅机器学习课程1~~~Introduction &Regression

机器学习介绍机器学习就是要找一个函数。机器学习的三大要素框架：训练集，函数集（模型集），损失函数集。机器学习图谱AI训练师的成长之路。1.梯度下降法的理解GradientDescent参数变化的方向就是损失函数减少的方向。图中小人向左走，还是向右走，主要是看哪个方向是损失函数减少的方向，学习率就是这个小人走的速度。理论上，全局最有解是最好的结果，但是实际上，我们有时候可能仅仅找到了局部最有解。所以
帅气的弟八哥·2022-11-19 19:12

李宏毅机器学习笔记_introduction——Oct30 2020

本博客用于巩固和复习李宏毅机器学习课程一、任务类型regression回归问题输出为数字binaryclassification二元分类yesorno(posorneg)multi-classclassification
eathotpot·2022-11-19 19:41

李宏毅 || 机器学习笔记一

事实上，机器学习概括来说可以用一句话来描述机器学习这件事，机器学习就是让机器具备找一个函式的能力2.机器学习三大任务Regression，回归问题，输出是一个连续的数值、标量，比如PM2.5预测。
JiduoW·2022-11-19 19:38

李宏毅机器学习笔记 Regression含作业

欢迎学习李宏毅老师课程的小伙伴一起进群讨论：980704621本节课主要内容有Regressionregression应用regression训练方式Regression结果结论Regression作业作业说明官方答案
若能变成海·2022-11-19 18:47

GDR-Net: Geometry-Guided Direct Regression Network for Monocular 6D Object Pose Estimati

转载请注明作者和出处：http://blog.csdn.net/john_bh/paper地址：GDR-Net:Geometry-GuidedDirectRegressionNetworkforMonocular6DObjectPoseEstimation作者及团队：王谷&季向阳团队&清华大学&字节跳动&谷歌会议及时间：CVPR2021code：https://git.io/GDR-Net视频：文
john_bh·2022-11-19 17:37

7）Python模块：sklearn

机器学习分为四大块，分别是classification(分类)，clustering(聚类),regression(回归),dimensionalityreduction(降维)。
北海北_CrazyZheng·2022-11-19 16:56

MFIF:Deep Regression Pair Learning

DRPL:DeepRegressionPairLearningforMulti-FocusImageFusion本文提出了一种用于多焦点图像融合的新型深度网络，称为深度回归对学习(DRPL)。与现有的深度融合方法将输入图像分割成小的补丁并应用分类器来判断补丁是否聚焦相比，DRPL直接将整个图像转换为二进制掩码，而无需进行任何补丁操作，随后解决了聚焦/散焦边界周围模糊水平估计的困难。同时，将一对互补
小郭同学要努力·2022-11-19 11:27

lightgbm java_搭建基于 java + LightGBM 线上实时预测系统

supportgbdtfornow,alias:boosting,boostboosting_type=gbdt#applicationtype,supportfollowingapplication#regression
野草学社·2022-11-19 08:19

逻辑回归(Logistic Regression)原理及损失函数、极大似然估计

一、什么是逻辑回归虽然名字是“回归”，但解决的是“分类”问题。模型学习的是E[y∣x;θ]E[y|x;\theta]E[y∣x;θ]，即给定自变量和超参数后，得到因变量的期望，并基于此期望来处理预测分类问题。前提：逻辑回归假设数据服从伯努利分布，通过极大似然估计的方法，是用梯度下降法求解参数，最终达到二分类的目的。逻辑回归本质上是线性回归，只是在特征到结果的映射中加入了一层激活函数σ(z)\sig
PuJiang-·2022-11-19 08:37

李宏毅机器学习笔记Day2—回归

Regression（回归）的步骤看似比较复杂，其实也就是上节课老师所讲的三步：引入一组model➡️评估这组model的好坏➡️得到最佳的function。
RosieDragon·2022-11-19 04:35

李宏毅机器学习Day01之机器学习介绍

李宏毅机器学习Day01机器学习介绍机器学习的发展机器学习的framework机器学习相关的技术Supervisedlearning1Regression2Classification3StructuredlearningSemi-supervisedlearningTransferlearningUnsupervisedlearning
心yu·2022-11-19 04:04

李宏毅《机器学习》笔记 DAY2 回归

回归定义Regression就是找到一个函数function，通过输入特征x，输出一个数值Scalar。
没咋了·2022-11-19 04:27

李宏毅机器学习笔记day1

我只能把文字部分放这了，看图片点下面这个链接机器学习笔记day1导论regression*/rɪˈɡreʃn/n.回归；退化；逆行；复原机器学习就是让电脑自己去找函数bianryclassification
世由心生·2022-11-19 04:56

李宏毅机器学习笔记p3-p4

文章目录前言一：Regression回归1.线性模型2.损失函数3.梯度下降二、验证模型好坏过拟合优化1.模型的拆分2.加入更多的参数，更多的input3.正则化三、代码的学习总结前言经过上一篇章的学习
鸿鹄一夏·2022-11-19 02:02

李宏毅-机器学习和深度学习概念入门笔记1

一、机器学习相关规定1.什么是机器学习：本质就是找一个函数2.深度学习：使用类神经网络3.修课的先决条件：二、机器学习的相关概念1.机器学习中的三个任务1.Regression:回归，找出一个函数来进行预测
风再起时0.0·2022-11-19 02:59

2020李宏毅机器学习与深度学习笔记——课程入门

Regression：找输出是数值的BinaryClassifcation：只有yes和no两种输出Mult
gohna·2022-11-19 02:19

Datawhale 李宏毅机器学习 Task2

RegressionRegression实践Regression就是找到一个函数function，通过输入特征x，输出一个数值Scalar。
STUffT·2022-11-19 02:48

Datawhale 李宏毅机器学习 Task2

一、回归的定义和举例定义：Regression就是找到一个函数function，通过输入特征x，输出一个数值Scalar。
社区小萌新·2022-11-19 02:14

Machinelearning and regression

1.Regression（线性回归）:数据通过函式后得到一个数值。2.BinaryClassification（二分类）:数据通过函式后得到两个选项中的一个。
白蛋儿_爱编程~·2022-11-19 02:40

【李宏毅-机器学习笔记】-2：回归算法

第三章节：一、回归：1、定义：Regression就是找到一个函数function，通过输入特征xx，输出一个数值Scalar2、实例：股市预测自动驾驶商品推荐3、建模步骤：梯度下降算法：单个特征-一元线性模型
一瞬灵眸·2022-11-19 02:33

李宏毅机器学习 ＜Datawhale task2学习笔记＞

文章目录回归（Regression）一，模型假设二，模型评估三，模型优化具体步骤衡量error过拟合redesignregularization总结回归（Regression）一，模型假设有很多因素会决定我们想要的问题的答案
混沌乌龙茶·2022-11-19 02:01

Datawhale李宏毅深度学习笔记Task02

回归回归定义regression是找到一个function，通过输入特征x，输出一个y（scalar）。
Deserant·2022-11-19 02:29

机器学习--弹性网络（Elastic-Net Regression）

机器学习–Elastic-NetRegression基本概念弹性网络是一种使用L1，L2范数作为先验正则项训练的线性回归模型。这种组合允许拟合到一个只有少量参数是非零稀疏的模型，就像Lasso一样，但是它仍然保持了一些类似于Ridge的正则性质。弹性网络在很多特征互相联系的情况下是非常有用的。Lasso很可能只随机考虑这些特征中的一个，而弹性网络更倾向于选择两个。最小化的目标函数是:min w12
Huranqingqing·2022-11-19 01:16

机器学习算法系列（四）- 岭回归算法（Ridge Regression Algorithm）

阅读本文需要的背景知识点：标准线性回归算法、一丢丢编程知识一、引言  前面一节我们学习了机器学习算法系列（三）-标准线性回归算法（StandardLinearRegressionAlgorithm），最后求得标准线性回归的代价函数的解析解w为：w=(XTX)−1XTyw=\left(X^{T}X\right)^{-1}X^{T}yw=(XTX)−1XTy  其中提到如果矩阵X的转置与矩阵X相乘后的
Saisimonzs·2022-11-19 01:10

机器学习算法系列（五）- Lasso回归算法（Lasso Regression Algorithm）

阅读本文需要的背景知识点：线性回归算法、一丢丢编程知识最近笔者做了一个基于人工智能实现音乐转谱和人声分离功能的在线应用——反谱（Serocs），感兴趣的读者欢迎试用与分享，感谢您的支持！serocs.cn一、引言  上一节我们学习了解决多重共线性的一种方法是对代价函数正则化，其中一种正则化的算法叫岭回归算法（RidgeRegressionAlgorithm）。下面我们来学习另一种正则化的算法-La
Saisimonzs·2022-11-19 01:10

3.4 tensorflow弹性网络回归算法Elastic Net Regression

弹性网络回归算法(ElasticNetRegression)综合了Lasso回归和岭回归,即损失函数同时包含了L1正则和L2正则.importmatplotlib.pyplotaspltimportnumpyasnpimporttensorflowastffromsklearnimportdatasetsfromtensorflow.python.frameworkimportopsops.res
拟古的新打油诗·2022-11-19 01:39

机器学习算法系列（六）- 弹性网络回归算法（Elastic Net Regression Algorithm）

阅读本文需要的背景知识点：岭回归、Lasso回归、一点点编程知识最近笔者做了一个基于人工智能实现音乐转谱和人声分离功能的在线应用——反谱（Serocs），感兴趣的读者欢迎试用与分享，感谢您的支持！serocs.cn一、引言  前面学习了岭回归与Lasso回归两种正则化的方法，当多个特征存在相关时，Lasso回归可能只会随机选择其中一个，岭回归则会选择所有的特征。这时很容易的想到如果将这两种正则化的
Saisimonzs·2022-11-19 00:25

案例实战：Python实现逻辑回归(Logistic Regression)与梯度下降策略

0.案例背景我们将建立一个逻辑回归模型来预测一个学生是否被大学录取。假设你是一个大学系的管理员，你想根据两次考试的结果来决定每个申请人的录取机会。你有以前的申请人的历史数据，你可以用它作为逻辑回归的训练集。对于每一个培训例子，你有两个考试的申请人的分数和录取决定。为了做到这一点，我们将建立一个分类模型，根据考试成绩估计入学概率。1.导入pythony库#导入机器学习三大件：Numpy,Pandas
bigcindy·2022-11-18 16:41

回归模型介绍

Datawhale开源学习，机器学习课程，项目地址：https://github.com/datawhalechina/leeml-notes首先讲机器学习中的：回归，回归Regression可以做哪些东西呢
晨哥是个好演员·2022-11-18 14:53

【机器学习实战】第8章 预测数值型数据：回归

第8章预测数值型数据：回归回归（Regression）概述我们前边提到的分类的目标变量是标称型数据，而回归则是对连续型的数据做出处理，回归的目的是预测数值型数据的目标值。
片刻小哥哥·2022-11-18 08:30

【李宏毅2020 ML/DL】P1 introduction

【李宏毅2020ML/DL】P1introduction本节主要介绍了DL的15个作业英文大意Regression:回归分析Classification:分类RNN:循环神经网络CNN:卷积神经网络Seq2seq
码小余の博客·2022-11-17 07:32

正则线性模型之岭回归(Ridge Regression)、套索回归(Lasso Regression)、和弹性网络(Elastic Net)

正则线性模型减少过度拟合的一个好办法就是对模型正则化（即约束它）：它拥有的自由度越低，就越不容易过度拟合数据。比如，将多项式模型正则化的简单方法就是降低多项式的阶数。对线性模型来说，正则化通常通过约束模型的权重来实现。接下来我们将会使用岭回归（RidgeRegression）、套索回归（LassoRegression）及弹性网络（ElasticNet）这三种不同的实现方法对权重进行约束。岭回归岭回
「已注销」·2022-11-16 10:07

离线强化学习论文学习 Critic Regularized Regression

CriticRegularizedRegression1.摘要离线强化学习(RL)，也被称为批量RL，提供了在没有在线环境交互的情况下从大型预记录数据集进行策略优化的前景。它解决了数据收集成本和安全性方面的挑战，这两方面都与RL的实际应用特别相关。不幸的是，大多数非策略算法在从固定数据集学习时表现很差。在本文中，我们提出了一种新的离线RL算法，使用一种形式的临界正则化回归(CRR)从数据中学习策略
孙敬博·2022-11-15 17:44

李宏毅2021春季机器学习课程笔记4：Classfication & Generative Model & Logic Regression & HW2

文章目录1.Classfication2.GenerativeModel2.1Method2.2ModifyingModel2.2mathematicaltransform3.LogicRegression3.1Method3.2Discriminativev.s.Generative3.3Multi-classClassificationHW21.Classfication首先，老师对二类分类问
Andy in boots·2022-11-15 17:11

PyTorch——神经网络的搭建

目录典型的神经网络的训练过程1.搭建一个Regression回归的基本神经网络结构Classification分类的训练保存模型和提取模型2.自动梯度自定义传播函数实战手写数字识别3.迁移学习自定义VGGNet
行走的笔记·2022-11-15 11:20

Pytorch 线性回归

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。
哇咔咔负负得正·2022-11-15 11:49

优化姿态估计模型

本文优化了一个regression-based轻量级姿态估计模型，最终精度和heatmap-based的精度差不多，速度超越了heatmap-based的方法。实验大部分参考了镜子大佬知乎的优化过程。
Ctrl_Cver·2022-11-15 11:18

机器学习 | 台大林轩田机器学习技法课程笔记6 --- Support Vector Regression

上节课我们主要介绍了KernelLogisticRegression，讨论如何把SVM的技巧应用在soft-binaryclassification上。方法是使用2-levellearning，先利用SVM得到参数b和w，然后再用通用的logisticregression优化算法，通过迭代优化，对参数b和w进行微调，得到最佳解。然后，也介绍了可以通过RepresenterTheorem，在z空间中
CoreJT·2022-11-15 09:00

布朗桥python_Gaussian Process for Regression高斯回归

可用于回归和分类器高斯过程主要应用于各领域的建模和预报，在时间序列分析中，高斯过程被用于时间序列的多步前向预报(multi-step-aheadprediction)[14]、在信号处理中，高斯过程建模是处理非线性信号的工具[15]、在人工智能领域，GPR和GPC是被广泛使用的机器学习算法[1]，具有卷积结构的高斯过程(ConvolutionalGaussianProcesses,CGP)在图像处
weixin_39867662·2022-11-13 18:10

Gaussian Process for Regression

python风控评分卡建模和风控常识(博客主亲自录制视频教程)https://study.163.com/course/introduction.htm?courseId=1005214003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share高斯过程（gaussianprocess）可用于回归和分类器高斯过
weixin_30302609·2022-11-13 18:09

高斯过程回归（Gaussian Process Regression）

在概率论和统计学中，高斯过程是指观测发生在连续域（例如：时域、空间域）中的一种特殊的概率模型1基本概念在高斯过程，连续的输入空间的任何点与正态分布的随机变量相关，而且任何随机变量的有限集合满足多重正态分布，例如变量间的任意线性组合是正态分布，高斯过程分布是所有随机变量在连续域中的联合分布在机器学习理论中，针对于推广训练数据（generalizetraindata）的算法，如果学习方法在对系统发出请
洌泉_就这样吧·2022-11-13 17:26

高斯过程回归(Gaussian process regression)原理详解及python代码实战

GPRtutorial1.高斯过程回归原理1.1高斯过程1.2高斯过程回归2.python实现高斯过程回归2.1参数详解2.2核函数cookbook2.2代码模版附录-数学基础知识A1高斯分布的基本性质A2贝叶斯框架A3后验预测分布参考资料1.高斯过程回归原理高斯过程回归(Gaussianprocessregression,GPR)是一个随机过程（按时间或空间索引的随机变量集合），这些随机变量的每
spatial_coder·2022-11-13 17:24

对于噪声数据理解以及Min-Max 规范化和 Score规范化(零-均值规范化)的实例【数据预处理】

文章目录一.噪声数据1.1分箱1.2分箱法光滑数据1.3噪声数据1.4回归Regression1.5聚类ClusterAnalysis1.6数据清理作为一个过程1.6.1偏差检测1.6.2数据变换（纠正偏差
上进小菜猪·2022-11-12 11:53

【345】机器学习入门 - 李宏毅机器学习笔记

参考：[机器学习入门]经典台大李宏毅机器学习课程从这里开始TOPICBLOGPDFVIDEO【1】LearningMap（学习导图）blogpdfvideo【2】Regression：CaseStudy
sas???·2022-11-12 11:43

Numpy手撸softmax regression

算法介绍Softmax回归（或多项逻辑回归）是将逻辑回归推广到我们想要处理多个类的情况。在逻辑回归中，我们假设标签是二元的：y(i)∈{0,1}y^{(i)}\in\{0,1\}y(i)∈{0,1},我们使用这样的分类器来区分两种手写数字。Softmax回归允许我们处理y(i)∈{0,1,...,C}y^{(i)}\in\{0,1,...,C\}y(i)∈{0,1,...,C}其中CCC是类的数量
ACxz·2022-11-10 13:05
上一页 18 19 20 21 22 23 24 25 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他