您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 多元回归分析算法Python代码

  2. 多元回归分析(Multiple Regression Analysis)是指在相关变量中将一个变量视为因变量,其他一个或多个变量视为自变量,建立多个变量之间线性或非线性数学模型数量关系式并利用样本数据进行分析的统计分析方法。另外也有讨论多个自变量与多个因变量的线性依赖关系的多元回归分析,称为多元多重回归分析模型(或简称多对多回归)。
  3. 所属分类:机器学习

    • 发布日期:2018-07-23
    • 文件大小:17kb
    • 提供者:qq_42617330
  1. 非线性回归Python代码

  2. 非线性回归是回归函数关于未知回归系数具有非线性结构的回归。常用的处理方法有回归函数的线性迭代法、分段回归法、迭代最小二乘法等。非线性回归分析的主要内容与线性回归分析相似。
  3. 所属分类:机器学习

    • 发布日期:2018-07-23
    • 文件大小:2kb
    • 提供者:qq_42617330
  1. 一元线性回归_spyder.zip

  2. 一元线性回归,使用python语言。线性回归是利用数理统计中的回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法,运用十分广泛。分析按照自变量和因变量之间的关系类型,可分为线性回归分析和非线性回归分析。
  3. 所属分类:算法与数据结构

    • 发布日期:2020-03-18
    • 文件大小:1kb
    • 提供者:yuyan_12
  1. 时间序列预测代码(非线性回归).txt

  2. 基于目前的时间序列数据,做未来非线性预测,简便易行,直接放在pycharm或者jupyter notebook就可以运行
  3. 所属分类:Python

    • 发布日期:2020-05-28
    • 文件大小:1kb
    • 提供者:fengskyline
  1. 3天入门Python机器学习.zip

  2. 机器学习概述、特征工程、knn、朴素贝叶斯、决策树、随机森林、线性回归、非线性回归、逻辑斯蒂回归、k-means聚类算法
  3. 所属分类:机器学习

    • 发布日期:2020-07-11
    • 文件大小:170mb
    • 提供者:Iloveyoupython
  1. python 机器学习之支持向量机非线性回归SVR模型

  2. 主要介绍了python 机器学习之支持向量机非线性回归SVR模型,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
  3. 所属分类:其它

    • 发布日期:2020-09-19
    • 文件大小:82kb
    • 提供者:weixin_38623249
  1. Python利用神经网络解决非线性回归问题实例详解

  2. 主要介绍了Python利用神经网络解决非线性回归问题,结合实例形式详细分析了Python使用神经网络解决非线性回归问题的相关原理与实现技巧,需要的朋友可以参考下
  3. 所属分类:其它

    • 发布日期:2020-09-19
    • 文件大小:92kb
    • 提供者:weixin_38571759
  1. sklearn线性逻辑回归和非线性逻辑回归的实现

  2. 线性逻辑回归 本文用代码实现怎么利用sklearn来进行线性逻辑回归的计算,下面先来看看用到的数据。 这是有两行特征的数据,然后第三行是数据的标签。 python代码 首先导入包和载入数据 写一个画图的函数,把这些数据表示出来: 然后我们调用这个函数得到下面的图像: 接下来开始创建模型并拟合,然后调用sklearn里面的逻辑回归方法,里面的函数可以自动帮算出权值和偏置值,非常简单,接着画出图像。 最后我们可以来看看评估值: 可以看到,正确率、召回率、F
  3. 所属分类:其它

    • 发布日期:2020-12-17
    • 文件大小:38kb
    • 提供者:weixin_38698403
  1. python机器学习理论与实战(四)逻辑回归

  2. 从这节算是开始进入“正规”的机器学习了吧,之所以“正规”因为它开始要建立价值函数(cost function),接着优化价值函数求出权重,然后测试验证。这整套的流程是机器学习必经环节。今天要学习的话题是逻辑回归,逻辑回归也是一种有监督学习方法(supervised machine learning)。逻辑回归一般用来做预测,也可以用来做分类,预测是某个类别^.^!线性回归想比大家都不陌生了,y=kx+b,给定一堆数据点,拟合出k和b的值就行了,下次给定X时,就可以计算出y,这就是回归。而逻辑回归
  3. 所属分类:其它

    • 发布日期:2020-12-24
    • 文件大小:170kb
    • 提供者:weixin_38613154
  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. Python多项式回归的实现方法

  2. 多项式回归是一种线性回归形式,其中自变量x和因变量y之间的关系被建模为n次多项式。多项式回归拟合x的值与y的相应条件均值之间的非线性关系,表示为E(y | x) 为什么多项式回归: 研究人员假设的某些关系是曲线的。显然,这种类型的案例将包括多项式项。 检查残差。如果我们尝试将线性模型拟合到曲线数据,则预测变量(X轴)上的残差(Y轴)的散点图将在中间具有许多正残差的斑块。因此,在这种情况下,这是不合适的。 通常的多元线性回归分析的假设是所有自变量都是独立的。在多项式回归模型中,不满足该
  3. 所属分类:其它

    • 发布日期:2021-01-01
    • 文件大小:86kb
    • 提供者:weixin_38614952
  1. Python时间序列处理之ARIMA模型的使用讲解

  2. ARIMA模型 ARIMA模型的全称是自回归移动平均模型,是用来预测时间序列的一种常用的统计模型,一般记作ARIMA(p,d,q)。 ARIMA的适应情况 ARIMA模型相对来说比较简单易用。在应用ARIMA模型时,要保证以下几点: 时间序列数据是相对稳定的,总体基本不存在一定的上升或者下降趋势,如果不稳定可以通过差分的方式来使其变稳定。 非线性关系处理不好,只能处理线性关系 判断时序数据稳定 基本判断方法:稳定的数据,总体上是没有上升和下降的趋势的,是没有周期性的,方差趋向于一个稳定的
  3. 所属分类:其它

    • 发布日期:2021-01-01
    • 文件大小:66kb
    • 提供者:weixin_38733333
  1. Python机器学习logistic回归代码解析

  2. 本文主要研究的是Python机器学习logistic回归的相关内容,同时介绍了一些机器学习中的概念,具体如下。 Logistic回归的主要目的:寻找一个非线性函数sigmod最佳的拟合参数 拟合、插值和逼近是数值分析的三大工具 回归:对一直公式的位置参数进行估计 拟合:把平面上的一些系列点,用一条光滑曲线连接起来 logistic主要思想:根据现有数据对分类边界线建立回归公式、以此进行分类 sigmoid函数:在神经网络中它是所谓的激励函数。当输入大于0时,输出趋向于1,输入小于0时,
  3. 所属分类:其它

    • 发布日期:2020-12-26
    • 文件大小:153kb
    • 提供者:weixin_38552292
  1. NeuralNetworkLib:使用numpy的神经网络和统计数据python库-源码

  2. 目录 介绍 “智能和人工智能是通过基于数据模式进行预测的法律进行的数据压缩。” 神经网络是机器学习的一部分,而机器学习是AI的一部分,而AI是计算机科学的一部分。 当数据不可线性分离并且由很多参数组成时,神经网络变得很实用,例如对于图像识别来说是实用的,例如,其中至少每个灰度像素形成一个参数输入。 可用于分类(选择标签)或回归(选择数量)。 它们由多个节点层组成: 第一层接受参数输入,也称为输入层 最后一层进行预测,也称为输出层 称为深层之间的层是可选的。 一旦引入了深层,数据就变成了非
  3. 所属分类:其它

    • 发布日期:2021-03-05
    • 文件大小:477kb
    • 提供者:weixin_42138703
  1. 8种用Python实现线性回归的方法

  2. 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!时至今日,深度学习早已成为数据科学的新宠。即便往前推10年,SVM、boosting等算法也能在准确率上完爆线性回归。一方面,线性回归所能够模拟的关系其实远不止线性关系。线性回归中的“线性”指的是系数的线性,而通过对特征的非线性变换,以及广义线性模型的推广,输出和特征之间的函数关系可以是高度非线性的。另一方面,也是更为重要的一点,线性模型的易解释性使得它在物理学、经济学、商学等领域中占据了难以取代的地位。由于机器学习库s
  3. 所属分类:其它

    • 发布日期:2021-02-25
    • 文件大小:291kb
    • 提供者:weixin_38616505
  1. mlpy:使用Python进行机器学习的亲身实践研讨会-源码

  2. 快速开始 研讨会代码可在。 您可以通过单击“启动活页夹”按钮在云中运行笔记本(无需安装): 为什么 对于那些难以开始使用Python进行机器学习的人 描述 该动手实践研讨会基于 了解如何从有监督和无监督的学习开始,以发现见解并预测未来趋势。 研讨会将涵盖以下核心主题: 应用领域 有监督与无监督学习 预测 机器学习的应用 用于机器学习的Python库 有监督与无监督学习 线性回归 非线性回归 评价 线性回归 非线性回归 模型评估方法 K最近邻居 决策树 逻辑回归 K最近邻居 决策树
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:103mb
    • 提供者:weixin_42181693
  1. 8种用Python实现线性回归的方法

  2. 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!时至今日,深度学习早已成为数据科学的新宠。即便往前推10年,SVM、boosting等算法也能在准确率上完爆线性回归。一方面,线性回归所能够模拟的关系其实远不止线性关系。线性回归中的“线性”指的是系数的线性,而通过对特征的非线性变换,以及广义线性模型的推广,输出和特征之间的函数关系可以是高度非线性的。另一方面,也是更为重要的一点,线性模型的易解释性使得它在物理学、经济学、商学等领域中占据了难以取代的地位。由于机器学习库s
  3. 所属分类:其它

    • 发布日期:2021-01-27
    • 文件大小:291kb
    • 提供者:weixin_38683848
  1. python 机器学习之支持向量机非线性回归SVR模型

  2. 本文介绍了python 支持向量机非线性回归SVR模型,废话不多说,具体如下: import numpy as np import matplotlib.pyplot as plt from sklearn import datasets, linear_model,svm from sklearn.model_selection import train_test_split def load_data_regression(): ''' 加载用于回归问题的数据集 ''' d
  3. 所属分类:其它

    • 发布日期:2021-01-21
    • 文件大小:85kb
    • 提供者:weixin_38622467
  1. Python非线性回归

  2. 文章目录非线性样本Sklearn回归汇总决策树随机森林Keras神经网络 非线性样本 from matplotlib import pyplot as mp y = [.4187, .0964, .0853, .0305, .0358, .0338, .0368, .0222, .0798, .1515] x = [[i]for i in range(len(y))] mp.scatter(x, y, s=99) mp.show() Sklearn回归汇总 import matplotl
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:275kb
    • 提供者:weixin_38686080
  1. python回归分析总结–线性模型及岭回归

  2. 1、回归分析概括 目标值(因变量)是连续型数据,通过某种函数关系找到因变量和自变量之间的关系,进而预测目标。 常见的回归:线性回归、岭回归、非线性回归 回归拟合目标:计算自变量与因变量关系的函数参数 通过不断拟合缩小预测值与真实值的差距:最终使得这个差距(误差项)成为一组均值为0,方差为1的随机数。 2、损失函数 3、优化算法 使得损失函数值达到最小的方法。 方法: 正规方程 梯度下降 4、python的API 4.1.1 statsmodels.formula.api.OLS():普通最
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:201kb
    • 提供者:weixin_38592455
« 12 »