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. logistic回归课件

  2. 这是一个逻辑回归课件，讲解的很好。希望大家看看

  3. 所属分类：专业指导

    • 发布日期：2009-04-27
    • 文件大小：1048576
    • 提供者：yebai

  1. logistic回归

  2. 关于逻辑回归的内容，讲述了逻辑回归的方法

  3. 所属分类：教育

    • 发布日期：2013-10-04
    • 文件大小：1048576
    • 提供者：u012327457

  1. Logistic回归总结.pdf

  2. 逻辑回归总结的相当好的资源，浅显易懂，附有python代码实现

  3. 所属分类：互联网

    • 发布日期：2014-10-28
    • 文件大小：452608
    • 提供者：yudianhappy

  1. 线性回归与逻辑回归

  2. 逻辑回归与线性回归案例的python及matlab实现（包括基于线性回归的利润预测案例，局部加权回归）

  3. 所属分类：算法与数据结构

    • 发布日期：2017-12-29
    • 文件大小：560128
    • 提供者：qq_36767479

  1. 机器学习：逻辑回归

  2. 1. 数据包括2～8岁小孩的身高的度量数据。 Ex1x.dat: 是对应身高的小孩的年龄 ex1y.dat: 是升高的数据 各个孩子的身高和年龄组成一个训练实例，一共有50个训练样本，用它们训练线性模型。 2. 在该问题中，在Matlab/Octave中使用梯度下降方式实现线性回归。首先加载训练集，绘制训练集。 3. 针对该问题，实现线性回归，根据线性回归模型原理给出的式子绘制一条拟合的直线。 4. 对 和 的关系进行可视化的处理。由于在本实例中，是2维的，因此，我们绘制3维的来对线性回归算法

  3. 所属分类：机器学习

  1. 逻辑回归模型，python代码

  2. logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。以胃癌病情分析为例，选择两组人群，一组是胃癌组，一组是非胃癌组，两组人群必定具有不同的体征与生活方式等。因此因变量就为是否胃癌，值为“是”或“否”，自变量就可以包括很多了，如年龄、性别、饮食习惯、幽门螺杆菌感染等。自变量既可以是连续的，也可以是分类的。然后通过logistic回归分析，可以得到自变量的权重，

  3. 所属分类：机器学习

    • 发布日期：2020-03-21
    • 文件大小：115712
    • 提供者：qq_27047075

  1. python sklearn库实现简单逻辑回归的实例代码

  2. Sklearn简介 Scikit-learn(sklearn)是机器学习中常用的第三方模块，对常用的机器学习方法进行了封装，包括回归(Regression)、降维(Dimensionality Reduction)、分类(Classfication)、聚类(Clustering)等方法。当我们面临机器学习问题时，便可根据下图来选择相应的方法。 Sklearn具有以下特点： 简单高效的数据挖掘和数据分析工具 让每个人能够在复杂环境中重复使用 建立NumPy、Scipy、MatPlotL

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：51200
    • 提供者：weixin_38555350

  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：331776
    • 提供者：weixin_38724333

  1. 机器学习-逻辑回归分析（Python）

  2. 回归和分类方法是机器学习中经常用到的方法区分回归问题和分类问题：回归问题：输入变量和输出变量均为连续变量的问题；分类问题：输出变量为有限个离散变量的问题。因此分类及回归分别为研究这两类问题的方法。区别：从三个维度来对比分类和回归方法：联系：从prediction角度来看，分类模型和回归模型本质相同，分类模型是将回归模型的输出离散化，比如：1、LogisticRegression和LinearRegressionLinearRegression：输出一个标量wx+b，是连续值，用以处理回归问题；L

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：839680
    • 提供者：weixin_38637272

  1. Python实现的逻辑回归算法示例【附测试csv文件下载】

  2. 本文实例讲述了Python实现的逻辑回归算法。分享给大家供大家参考，具体如下： 使用python实现逻辑回归 Using Python to Implement Logistic Regression Algorithm 菜鸟写的逻辑回归，记录一下学习过程 代码： #encoding:utf-8 Author: njulpy Version: 1.0 Data: 2018/04/10 Project： Using Python to Implement LogisticRegr

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：122880
    • 提供者：weixin_38558660

  1. python编写Logistic逻辑回归

  2. 用一条直线对数据进行拟合的过程称为回归。逻辑回归分类的思想是：根据现有数据对分类边界线建立回归公式。 公式表示为： 一、梯度上升法 每次迭代所有的数据都参与计算。 for 循环次数:         训练 代码如下： import numpy as np import matplotlib.pyplot as plt def loadData(): labelVec = [] dataMat = [] with open('testSet.txt') as f:

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：74752
    • 提供者：weixin_38692184

  1. tensorflow实现简单逻辑回归

  2. 逻辑回归是机器学习中很简答的一个栗子，这篇文章就是要介绍如何使用tensorflow实现一个简单的逻辑回归算法。 逻辑回归可以看作只有一层网络的前向神经网络，并且参数连接的权重只是一个值，而非矩阵。公式为：y_predict=logistic(X*W+b),其中X为输入，W为输入与隐含层之间的权重，b为隐含层神经元的偏置，而logistic为激活函数，一般为sigmoid或者tanh, y_predict为最终预测结果。 逻辑回归是一种分类器模型，需要木便函数不断的优化参数，这里目标函数为y_p

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：49152
    • 提供者：weixin_38650150

  1. 逻辑回归(Logistic Regression）

  2. 首先，逻辑回归的输出值只有两个，通常记为0和1 ，因而逻辑回归又是一种分类算法。 其次，逻辑回归有一个广义的线性模型。线性模型通常记为 逻辑回归的模型为 ： 这里的g通常取如下形式：g(x) = 1/(1+exp(-x)) 。当x–>正无穷时，g(x)–>1， 当x–>负无穷时，g(x)–>0 。 于是逻辑回归的模型函数为： 是输入的特征值向量， 是模型参数向量。当 >0.5时，模型输出值为1 ，当 <0.5时，模型输出值为0 。 最后，说一下 L

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：48128
    • 提供者：weixin_38666697

  1. 逻辑回归(Logistic Regression）

  2. 首先，逻辑回归的输出值只有两个，通常记为0和1 ，因而逻辑回归又是一种分类算法。 其次，逻辑回归有一个广义的线性模型。线性模型通常记为 逻辑回归的模型为 ： 这里的g通常取如下形式：g(x) = 1/(1+exp(-x)) 。当x–>正无穷时，g(x)–>1， 当x–>负无穷时，g(x)–>0 。 于是逻辑回归的模型函数为： 是输入的特征值向量， 是模型参数向量。当 >0.5时，模型输出值为1 ，当 <0.5时，模型输出值为0 。 最后，说一下 L

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：48128
    • 提供者：weixin_38745859

  1. 逻辑回归(Logistic Regression）

  2. 首先，逻辑回归的输出值只有两个，通常记为0和1 ，因而逻辑回归又是一种分类算法。 其次，逻辑回归有一个广义的线性模型。线性模型通常记为 逻辑回归的模型为 ： 这里的g通常取如下形式：g(x) = 1/(1+exp(-x)) 。当x–>正无穷时，g(x)–>1， 当x–>负无穷时，g(x)–>0 。 于是逻辑回归的模型函数为： 是输入的特征值向量， 是模型参数向量。当 >0.5时，模型输出值为1 ，当 <0.5时，模型输出值为0 。 最后，说一下 L

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：48128
    • 提供者：weixin_38577200

  1. python代码实现逻辑回归logistic原理

  2. Logistic Regression Classifier逻辑回归主要思想就是用最大似然概率方法构建出方程，为最大化方程，利用牛顿梯度上升求解方程参数。 优点：计算代价不高，易于理解和实现。 缺点：容易欠拟合，分类精度可能不高。 使用数据类型：数值型和标称型数据。 介绍逻辑回归之前，我们先看一问题，有个黑箱，里面有白球和黑球，如何判断它们的比例。 我们从里面抓3个球，2个黑球，1个白球。这时候，有人就直接得出了黑球67%，白球占比33%。这个时候，其实这个人使用了最大似然概率的思想

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：182272
    • 提供者：weixin_38698149

  1. Python利用逻辑回归模型解决MNIST手写数字识别问题详解

  2. 本文实例讲述了Python利用逻辑回归模型解决MNIST手写数字识别问题。分享给大家供大家参考，具体如下： 1、MNIST手写识别问题 MNIST手写数字识别问题：输入黑白的手写阿拉伯数字，通过机器学习判断输入的是几。可以通过TensorFLow下载MNIST手写数据集，通过import引入MNIST数据集并进行读取，会自动从网上下载所需文件。 %matplotlib inline import tensorflow as tf import tensorflow.examples.tutor

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：334848
    • 提供者：weixin_38678172

  1. 机器学习实战：逻辑回归+梯度下降

  2. 使用梯度下降的方法进行逻辑回归实战： 问题说明： 这里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。可以用历史数据作为逻辑回归的训练集。对于每一个样本,有两次考试的申请人的成绩和录取决定。建立一个分类模型，根据考试成绩估计入学概率。 数据链接： 链接:https://pan.baidu.com/s/1-pjwe1ogk30WpzN4Qg1NZA 密码:wqmt 完整代码实现如下： i

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：900096
    • 提供者：weixin_38739900

  1. 编程作业2 logistic_regression（逻辑回归）(吴恩达)

  2. 文章目录编程作业2 logistic_regression（逻辑回归）1.准备数据2.sigmoid 函数3.cost function(代价函数)4.gradient descent(梯度下降)5.拟合参数6.用训练集预测和验证7.寻找决策边界8.推导 编程作业2 logistic_regression（逻辑回归） 推荐运行环境：python 3.6 建立一个逻辑回归模型来预测一个学生是否被大学录取。根据两次考试的结果来决定每个申请人的录取机会。有以前的申请人的历史数据， 可以用它作为逻辑

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：677888
    • 提供者：weixin_38625708

  1. python实现梯度下降和逻辑回归

  2. 本文实例为大家分享了python实现梯度下降和逻辑回归的具体代码，供大家参考，具体内容如下 import numpy as np import pandas as pd import os data = pd.read_csv(iris.csv) # 这里的iris数据已做过处理 m, n = data.shape dataMatIn = np.ones((m, n)) dataMatIn[:, :-1] = data.ix[:, :-1] classLabels = data.ix[:, -

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：34816
    • 提供者：weixin_38646230
« 1 2 ... 5 6 7 8 9 1011 12 13 14 15 ... 50 »