本资源适用于小编的文章《机器学习——线性回归介绍及案例实战》中用到的数据表，适合学习Python、机器学习、数据分析等内容的小伙伴学习。
2022-05-21 15:16:03
12KB
1
学习资源
第4章 回归与聚类算法 2
4.1. 线性回归 2
4.1.1. 线性回归的原理 2
4.1.2. 线性回归的损失和优化原理（理解记忆） 5
4.1.3. 线性回归API 9
4.1.4. 波士顿房价预测 10
4.1.5. 拓展-关于优化方法GD、SGD、SAG 14
4.1.6. 总结 15
4.2. 欠拟合与过拟合 15
4.2.1. 什么是过拟合与欠拟合 15
4.2.2. 原因以及解决办法 17
4.3. 线性回归的改进-岭回归 19
4.3.1. 带有L2正则化的线性回归-岭回归 19
4.4. 分类算法-逻辑回归与二分类 21
4.4.1. 逻辑回归的应用场景 21
4.4.2. 逻辑回归的原理 21
4.4.3. 逻辑回归API 23
4.4.4. 案例：癌症分类预测-良／恶性乳腺癌肿瘤预测 23
4.4.5. 分类的评估方法 25
4.5. 模型保存与加载 29
4.5.1. sklearn模型的保存和加载API 29
4.5.2. 线性回归的模型保存加载案例 29
4.6. 无监督学习-K-means算法 30
4.6.1. 什么是无监督学习 30
4.6
2022-05-21 11:06:17
11.08MB
1
本数据适合于新手入门机器学习学习，可以作为机器学习的一元线性回归的实战来学习。
线性回归模型是利用线性拟合的方式探寻数据背后的规律。如下图所示，先通过搭建线性回归模型寻找这些散点（也称样本点）背后的趋势线（也称回归曲线），再利用回归曲线进行一些简单的预测分析或因果关系分析。
2022-05-21 09:10:14
454B
1
线性回归
Matlab中的线性回归示例（斯坦福大学的机器学习课程）
该存储库中的脚本包含以下ML课程示例：
单变量线性回归
使用梯度下降的多元线性回归
使用正态方程的多元线性回归
2022-05-19 21:07:38
7KB
1
emmmm，好好加油，相信你的数学建模会学的更好的，好好干，数学建模要多看论文，多看看往年的题目，emmmm，好好加油，相信你的数学建模会学的更好的，好好干，数学建模要多看论文，多看看往年的题目
2022-05-19 11:35:51
482KB
1