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. 小白入门机器学习之：逻辑回归感触

  2. 帮助我和一样入坑挖掘的新人学习，挖掘！！可以来我博客或者群里学习哦。群有百度云群组，很多资料，欢迎大家来交流学习。鞠躬！！

  3. 所属分类：机器学习

    • 发布日期：2017-09-08
    • 文件大小：2mb
    • 提供者：jack__chiang

  1. 机器学习之逻辑回归

  2. 逻辑回归是应用非常广泛的一个分类机器学习算法，它将数据拟合到一个logit函数(或者叫做logistic函数)中，从而能够完成对事件发生的概率进行预测。

  3. 所属分类：机器学习

    • 发布日期：2018-04-26
    • 文件大小：2mb
    • 提供者：jiangnan231

  1. 机器学习之回归分析

  2. 机器学习之回归分析，从线性回归开始，到逻辑回归原理的推导及过程

  3. 所属分类：机器学习

    • 发布日期：2018-06-13
    • 文件大小：3mb
    • 提供者：guangzhan

  1. 逻辑回归算法.md

  2. 机器学习之逻辑回归原理，重要参数penalty & C，调用sklearn库实现，梯度下降推导。

  3. 所属分类：机器学习

    • 发布日期：2019-10-18
    • 文件大小：18kb
    • 提供者：aijiankeji

  1. 逻辑回归.zip

  2. 机器学习中的逻辑回归实验，有一组学生高考成绩及录取情况数据集，训练一个逻辑回归模型，使之可以对一组成绩进行分类，判断这组成绩是否能被学校录取。通过两种方法（牛顿法和梯度下降法）分别优化逻辑回归模型中的theta值，并依据所得的theta值绘制决策边界，利用所得的回归模型进行预测。

  3. 所属分类：机器学习

    • 发布日期：2019-07-14
    • 文件大小：3kb
    • 提供者：qq_37665301

  1. 手撸机器学习系列.zip

  2. 这是吴恩达机器学习的作业，我自己研究并手写的，参考其他资源手写而来。 │ 手撸机器学习系列之 - 单变量线性回归.html │ 手撸机器学习系列之 - 多元逻辑回归不加正则项.html │ 手撸机器学习系列之 - 神经网络前向传播.html │ 手撸机器学习系列之 - 神经网络逆向传播.html

  3. 所属分类：机器学习

    • 发布日期：2020-09-22
    • 文件大小：2mb
    • 提供者：qq_15230241

  1. 纯python实现机器学习之kNN算法示例

  2. 前面文章分别简单介绍了线性回归，逻辑回归，贝叶斯分类，并且用python简单实现。这篇文章介绍更简单的 knn， k-近邻算法（kNN，k-NearestNeighbor）。 k-近邻算法（kNN，k-NearestNeighbor），是最简单的机器学习分类算法之一，其核心思想在于用距离目标最近的k个样本数据的分类来代表目标的分类（这k个样本数据和目标数据最为相似）。 原理 kNN算法的核心思想是用距离最近(多种衡量距离的方式)的k个样本数据来代表目标数据的分类。 具体讲，存在训练样本集

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：213kb
    • 提供者：weixin_38508126

  1. 机器学习之逻辑回归pdf

  2. 适合新手学regression regression

  3. 所属分类：机器学习

    • 发布日期：2020-12-23
    • 文件大小：268kb
    • 提供者：weixin_51290449

  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 之 逻辑回归代码解读

  2. -0.017612 14.053064 0 -1.395634 4.662541 1 -0.752157 6.538620 0 -1.322371 7.152853 0 0.423363 11.054677 0 0.406704 7.067335 1 0.667394 12.741452 0 首先把需要处理的数据集的格式张贴一下。 我们先来看第一个函数：导入数据集 from numpy import * def loadDataSet(): dataMat = []; labelMat

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：62kb
    • 提供者：weixin_38576811

  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. 逻辑回归模型（Logistic）实战应用——文本分类

  2. 承接之前写的“机器学习之线性模型”的那篇文章，这里运用逻辑回归模型实现对文本的一个大体分类，目的是进一步熟悉逻辑回归的运用和sklearn工具包的使用，理解各参数代表的含义，并没有特意做数据处理、特征工程和模型优化方面的考虑来提高准确度。 数据来源于：https://www.dcjingsai.com/common/cmpt/“达观杯”文本智能处理挑战赛_赛体与数据.html 也可以通过如下网盘下载： 链接：https://pan.baidu.com/s/1P67-jvrI2IhZtsWEQWt

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：55kb
    • 提供者：weixin_38683721

  1. “高频面经”之机器学习篇

  2. ​    注：机器学习注重原理理解、算法对比及场景使用，应加强算法公式推导及多场景实战。以下试题为作者日常整理的通用高频面经，包含题目，答案与参考文章，欢迎纠正与补充。 更多内容尽在公众号： 目录 1.常见分类算法及应用场景 2.逻辑回归推导 3.SVM相关问题 4.核函数使用 5.生成模型和判别模型基本形式 6.ID3,C4.5和CART区别 7.交叉熵公式原理 8.L1和L2正则化的区别 9.传统机器学习模型有哪些 10.k-means算法流程 11.DBSCAN和Kmeans对比 12

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：561kb
    • 提供者：weixin_38523618

  1. 机器学习之逻辑回归

  2. 1、逻辑回归概念 面对一个回归或者分类问题，建立代价函数，然后通过优化方法迭代求解出最优的模型参数，然后测试验证我们这个求解的模型的好坏。 Logistic回归虽然名字里带“回归”，但是它实际上是一种分类方法，主要用于两分类问题（即输出只有两种，分别代表两个类别。它就是通过拟合一个逻辑函数（logit fuction）来预测一个事件发生的概率。所以它预测的是一个概率值，自然，它的输出值应该在0到1之间。–计算的是单个输出 那是什么手段让逻辑回归只能输出两种值呢？答：Sigmoid函数。 2、Si

  3. 所属分类：其它

  1. CV学习第三课——机器学习之线性回归与逻辑回归

  2. 1机器学习 定义：假设用P来评估计算机程序在某任务类T上的性能，若一个程序通过利用经验E在T中任务上获得了性能改善，则我们就说关于T和P，该程序对E进行了学习。 这也是机器学习目前的困境所在，只能针对单方面的事物进行学习，还不会变通。 1.1机器学习与人工智能关系 其关系可参考阅读链接： 人工智能、机器学习、深度学习、神经网络概念说明 用一张图可表示如下： 1.2机器学习分类 机器学习分类参考 机器学习通常分为四类，每类又细分如下 A监督学习 监督学习经典分两类： 1.Regression回归问

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：324kb
    • 提供者：weixin_38724333

  1. 第十二章-SVM支持向量机 深度之眼_吴恩达机器学习作业训练营

  2. 目录 一，优化目标   1.1 从逻辑回归到SVM 1.1.1 回顾逻辑回归算法 1.1.2 损失项变换 1.1.3 正则化变换 1.1.4 假设函数变换   1.2 最大间隔 1.2.1 直觉上理解 1.2.2 最大间隔的数学原理 二， 核函数 2.1 高斯核函数 2.2 其他核函数 三，SVM的使用建议 3.1 超参数 3.2 核函数的选择以及训练 3.3 多分类问题 一，优化目标 支持向量机（Support Vector Machines,简称SVM）是一个非常强大且广泛运用与工业界和学术

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：174kb
    • 提供者：weixin_38691739

  1. 集成学习之bagging、boosting及AdaBoost的实现

  2. 前面博客分享，我们已经讲解了不少分类算法，有knn、决策树、朴素贝叶斯、逻辑回归、svm。我们知道，当坐重要决定时，大家可能都会考虑吸取多个专家而不是一个人的意见。机器学习处理问题时同样如此。集成学习（ensemblelearning)通过构建并结合多个学习器来完成学习任务，有时被称为多分类器学习系统、基于委员会的学习等。下图显示出集成学习的一般结构：先产生一组“个体学习器”，再用某种策略将它们结合起来。我们前面已经分享了五种不同的分类算法，我们可以将其用不同的分类器组合起来，这种组合结果则被称

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：344kb
    • 提供者：weixin_38699784

  1. 机器学习之逻辑回归（LogisticRegression）

  2. 之前的文章中，我们讨论的垃圾邮件分类实际上就是一个分类问题。类似的例子还有很多，例如一个在线交易网站判断一次交易是否带有欺诈性（有些人可以使用偷来的信用卡，你懂的）。再如，之前判断一个肿瘤是良性的还是恶性的，也是一个分类问题。在以上的这些例子中，我们想预测的是一个二值的变量，或者为0，或者为1；或者是一封垃圾邮件，或者不是；或者是带有欺诈性的交易，或者不是；或者是一个恶性肿瘤，或者不是。我们可以将因变量（dependantvariable）可能属于的两个类分别称为负向类（negativeclas

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：710kb
    • 提供者：weixin_38742453

  1. 学习：数据是石油的未来，挖掘数据的潜在价值非常有意义。 这个图书馆记录了我的机器学习之路-源码

  2. 深度学习演示 奇妙清单 1. 2.（感谢北京大学张志华团队的翻译工作，中文版点击） 一，记录深度学习例子： 名称 目录 咖啡 TensorFlow 茶野 凯拉斯 二，记录历程点滴： 掌握机器学习相关的概念和计算公式，包括有/无/半监督学习，强化学习，分类/回归/标注，聚类；训练集/验证集，交叉验证，测试集；数据预处理，正则化，归一化；损失函数，经验风险最小化，结构风险最小化，最优化算法；训练误差，泛化误差，欠拟合，过拟合；准确率，召回率，F1值，ROC和AUC； 掌握机器学习主流的模型及其

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：53mb
    • 提供者：weixin_42131633

  1. 机器学习之逻辑回归（LogisticRegression）

  2. 之前的文章中，我们讨论的垃圾邮件分类实际上就是一个分类问题。类似的例子还有很多，例如一个在线交易网站判断一次交易是否带有欺诈性（有些人可以使用偷来的信用卡，你懂的）。再如，之前判断一个肿瘤是良性的还是恶性的，也是一个分类问题。在以上的这些例子中，我们想预测的是一个二值的变量，或者为0，或者为1；或者是一封垃圾邮件，或者不是；或者是带有欺诈性的交易，或者不是；或者是一个恶性肿瘤，或者不是。我们可以将因变量（dependantvariable）可能属于的两个类分别称为负向类（negative cla

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：710kb
    • 提供者：weixin_38631978
« 12 »