注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 线性回归模型

  2. 内部包含线性回归模型的代码以及数据集，分为单线性回归和多线性回归两部分，使用python实现

  3. 所属分类：机器学习

    • 发布日期：2019-07-14
    • 文件大小：16kb
    • 提供者：weixin_42183708

  1. logistics回归分析算法python实现

  2. logistics回归分析算法python实现含训练集和数据集，logistics回归分析是一种线性回归分析模型

  3. 所属分类：机器学习

    • 发布日期：2020-04-01
    • 文件大小：132kb
    • 提供者：weixin_43083799

  1. Python用梯度下降法做线性回归模型训练

  2. Python编写，模拟线性回归模型训练，通过采样数据、计算误差、计算梯度、梯度更新等步骤实现线性回归模型训练。

  3. 所属分类：嵌入式

    • 发布日期：2020-07-03
    • 文件大小：3kb
    • 提供者：alon729

  1. 回归模型python实现

  2. # Linear regression example Trains a single fully-connected layer to fit a 4th degree polynomial.

  3. 所属分类：机器学习

    • 发布日期：2020-08-13
    • 文件大小：1kb
    • 提供者：m0_37384317

  1. python rolling regression. 使用 Python 实现滚动回归操作

  2. 滚动回归 所谓滚动回归，通常用在时间序列上。记当前时刻为 t，回归时长为 s，则一直使用 当作自变量来预测 。使用滚动回归的目的通常是为了避免未来函数对于回归的影响。 具体来说，如果我们直接用所有数据来建立线性回归模型，则回归系数 ，是关于所有 x 与所有 y 的函数。然而，我们在 时是不知道未来的数据点的！如果使用全部数据进行回归则相当于未卜先知，会造成严重的过拟合。 Python实现 之前 python 的 pandas 与 statsmodels 库均支持滚动回归，但是现在两个都不支持。因

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：61kb
    • 提供者：weixin_38657457

  1. TensorFlow学习笔记（一）之逻辑斯地回归模型及Cifar-10分类的实现

  2. 目录 环境 介绍 机器学习步骤 深度学习、机器学习、人工智能三者的关系 神经网络 二分类逻辑斯地回归模型 多分类逻辑斯地回归模型 目标函数（损失函数） 主要类型 举例 神经网络训练 训练目标 梯度下降算法 TensorFlow实现 计算图模型 命令式编程 声明式编程 二者的对比 数据处理 下载数据 准备工作 读取数据 查看数据 数据读取及预处理整体代码 构建模型 构建计算图 构建模型整体代码 初始化及运行模型 整体代码 注意事项 参考资料 环境 python 3.6 + TensorFlow 1

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：511kb
    • 提供者：weixin_38501751

  1. 机器学习实战：基于逻辑回归模型的信用卡欺诈检测

  2. 某银行为提升信用卡反欺诈检测能力，提供了脱敏后的一份个人交易记录。考虑数据本身的隐私性，数据提供之初已经进行了类似PCA的处理，并得到了若干数据特征。在不需要做额外特征提取工作的情况下，本项目意在通过逻辑回归模型的调优，得到较为准确可靠的反欺诈检测方法，分析过程中使用到了Python Pandas, Numpy, Matplotlib, Seaborn以及机器学习库Scikit-Learn等。 数据链接： 链接:https://pan.baidu.com/s/11uT0CHYPenX_67qTd

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：76kb
    • 提供者：weixin_38626943

  1. 机器学习入门 — 根据推导公式使用Python实现梯度下降与逻辑回归

  2. 关于梯度下降与逻辑回归，我在之前的文章中已经写过了公式推导，本文中将用python代码进行实现并做简单的实验 机器学习入门 — 梯度下降原理 机器学习入门 — 逻辑回归算法 案例概述 在这里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。此大学会根据两次考试的结果来决定每个申请人的录取机会。大学里有以前的申请人的历史数据，可以用它作为逻辑回归的训练集。对于每一个学生例子，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。 数据准备 im

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：273kb
    • 提供者：weixin_38547397

  1. 机器学习笔记–2、回归分析及python实现

  2. 回归分析 文章目录回归分析认识回归什么是回归Sklearn中的回归回归模型的应用线性模型（linear model）获得线性模型线性模型的基本形式线性回归目标函数（单变量）目标函数（多变量）python实现数据集划分：线性回归实例逻辑回归对数几率回归／逻辑回归（logistic regression）逻辑回归实例 认识回归 什么是回归 回归：统计学分析数据的方法，目的在于了解两个或多个变数间是否相关、 研究其相关方向与强度，并建立数学模型以便观察特定变数来预测研究者感兴趣的变数。回归分析可以帮助

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：96kb
    • 提供者：weixin_38661236

  1. 机器学习笔记–2、回归分析及python实现

  2. 回归分析 文章目录回归分析认识回归什么是回归Sklearn中的回归回归模型的应用线性模型（linear model）获得线性模型线性模型的基本形式线性回归目标函数（单变量）目标函数（多变量）python实现数据集划分：线性回归实例逻辑回归对数几率回归／逻辑回归（logistic regression）逻辑回归实例 认识回归 什么是回归 回归：统计学分析数据的方法，目的在于了解两个或多个变数间是否相关、 研究其相关方向与强度，并建立数学模型以便观察特定变数来预测研究者感兴趣的变数。回归分析可以帮助

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：96kb
    • 提供者：weixin_38745003

  1. python实现门限回归方式

  2. 门限回归模型(Threshold Regressive Model，简称TR模型或TRM)的基本思想是通过门限变量的控制作用，当给出预报因子资料后，首先根据门限变量的门限阈值的判别控制作用，以决定不同情况下使用不同的预报方程，从而试图解释各种类似于跳跃和突变的现象。其实质上是把预报问题按状态空间的取值进行分类，用分段的线性回归模式来描述总体非线性预报问题。 多元门限回归的建模步骤就是确实门限变量、率定门限数L、门限值及回归系数的过程，为了计算方便，这里采用二分割（即L=2）说明模型的建模步骤。

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：97kb
    • 提供者：weixin_38717450

  1. Day4_线性模型python实现

  2. 上文学习从理论的角度（算法）学习了线性模型的一些知识 本文将使用python的模块来简单使用了解一些这些算法 线性模型 对于回归问题，线性模型预测的一般公式如下： y^=w[0]∗x[0]+w[1]∗x[1]+…+w[p]∗x[p]+bŷ = w[0] * x[0] + w[1] * x[1] + … + w[p] * x[p] + by^​=w[0]∗x[0]+w[1]∗x[1]+…+w[p]∗x[p]+b 这里x[0]x[0]x[0]到x[p]x[p]x[p] 表示单个数据点的特征（本例中特

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：292kb
    • 提供者：weixin_38641339

  1. linear_regression:在python中实现线性回归模型-源码

  2. 线性回归 在python中实现线性回归模型

  3. 所属分类：其它

  1. House-Price-Predictor:实施了多元线性回归模型来预测房价-源码

  2. 房屋价格预测器 目的和技术：以下程序使用Python ， Matplotlib ， Numpy ， Sympy ， Pandas和sci-kit预测波士顿市的房价。 程序： 提出问题 收集数据 清理数据 探索可能性和相关性 图形化地建模数据 评估功能内的价格 算法：我实现了一个多元线性回归模型来预测房价。这种方法也称为多元回归，是一种统计技术，它使用几个参数变量来预测响应变量的结果。在这种情况下，我从数据集中提取了几个变量，包括房价，犯罪率，年龄，距水的近距离，税收等，以使我的模型更准确。我挑选

  3. 所属分类：其它

  1. brmp:Pyro中的贝叶斯回归模型-源码

  2. 贝叶斯回归模型 这是尝试在Python中实现类似的库。 它允许使用lme4语法（的子集）指定贝叶斯回归模型。 给定这样的描述和pandas数据框，该库将针对或生成模型代码和设计矩阵。 资源 。 。 显示库的笔记本已用于使模型适合数据。 当前状态 型号规格 公式 这是系统可以处理的一些示例公式： 公式 描述 y ~ x 人口层面的影响 y ~ 1 + x y ~ x1:x2 变量之间的相互作用 y ~ 1 + x0 + (x1 | z) 组级效果 y ~ 1 + x0 + (1 +

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：212kb
    • 提供者：weixin_42162171

  1. machine-learning-coursera-python:该存储库包含由斯坦福大学在Coursera上执行的Andrew Ng的机器学习课程的某些编程作业的python实现-源码

  2. 机器学习课程python 该存储库包含由Stanford University创建的Andrew Ng在Coursera上的机器学习课程的某些编程作业的python实现。 编程练习1：线性回归在本练习中，您将实现线性回归并了解它如何在现实世界的数据集上工作。 编程练习2：逻辑回归在本练习中，您将实现逻辑回归并将其应用于两个不同的数据集。 编程练习3：多类分类和神经网络在本练习中，您将实现神经网络对所有逻辑回归和前馈传播的识别，以识别手写数字。 编程练习4：神经网络学习在本练习中，您将为

  3. 所属分类：其它

  1. stargazer：R stargazer多元回归模型创建工具的Python实现-源码

  2. 观星者 这是R stargazer软件包的python端口，可以上找到。 我很失望，因为我所知道的任何python包中都没有等效的功能，因此我在这里重新实现它。 中有一个实验性函数，可以在HTML / CSV / LaTeX / etc中报告单个回归模型的结果，但仍不能完全满足我的要求。 python程序包现在是面向对象的，具有链接的命令来更改渲染参数，希望它具有更多的pythonic特性，并且用户不必在单个函数中添加一堆参数。 安装 您可以使用pip install stargazer通过

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：165kb
    • 提供者：weixin_42124743

  1. python实现BP神经网络回归预测模型

  2. 神经网络模型一般用来做分类，回归预测模型不常见，本文基于一个用来分类的BP神经网络，对它进行修改，实现了一个回归模型，用来做室内定位。模型主要变化是去掉了第三层的非线性转换，或者说把非线性激活函数Sigmoid换成f(x)=x函数。这样做的主要原因是Sigmoid函数的输出范围太小，在0-1之间，而回归模型的输出范围较大。模型修改如下： 代码如下： #coding: utf8 '''' author: Huangyuliang ''' import json import random i

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：117kb
    • 提供者：weixin_38624557

  1. 8种用Python实现线性回归的方法对比详解

  2. 前言 说到如何用Python执行线性回归，大部分人会立刻想到用sklearn的linear_model，但事实是，Python至少有8种执行线性回归的方法，sklearn并不是最高效的。 今天，让我们来谈谈线性回归。没错，作为数据科学界元老级的模型，线性回归几乎是所有数据科学家的入门必修课。抛开涉及大量数统的模型分析和检验不说，你真的就能熟练应用线性回归了么？未必！ 在这篇文章中，文摘菌将介绍8种用Python实现线性回归的方法。了解了这8种方法，就能够根据不同需求，灵活选取最为高效的方法实现线

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：327kb
    • 提供者：weixin_38570278

  1. Python实现的简单线性回归算法实例分析

  2. 本文实例讲述了Python实现的简单线性回归算法。分享给大家供大家参考，具体如下： 用python实现R的线性模型(lm)中一元线性回归的简单方法，使用R的women示例数据，R的运行结果： > summary(fit) Call: lm(formula = weight ~ height, data = women) Residuals:     Min      1Q  Median      3Q     Max -1.7333 -1.1333 -0.3833  0.7417  3

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：48kb
    • 提供者：weixin_38601364
« 12 3 4 5 6 7 8 »