Churn-Modelling:使用ANN,PNN,Logistic回归,KNN和SVM进行客户流失建模
2021-06-25 15:21:36 516KB JupyterNotebook
1
matlab图像加密-彩色-灰度都可以,解密-加密都有,直接使用即可。
2021-06-24 22:03:32 589KB matlab 混沌 Logistic 彩色
1
资源中包含随机梯度下降逻辑回归算法的Python代码和测试数据,python的版本为3.6,您运行代码前,将测试文件路径修改为您本地的存储路径,使用pycharm平台运行即可。
2021-06-24 19:36:46 5KB 逻辑回归 随机梯度法 Logist
1
数学建模 人口预测模型 江西省人口 2010年数学建模,江西省人口预测模型。
2021-06-23 10:21:53 377KB 马尔萨斯 logistic
1
【吴恩达课后编程作业】第二周作业 - Logistic回归-识别猫的图片资源
2021-06-20 12:20:03 2.66MB 吴恩达 深度学习
1
吴恩达|机器学习作业2.1正则化的Logistic回归-附件资源
2021-06-17 14:54:56 106B
1
logistic_regression 用logistic回归预测糖尿病数据集_我在糖尿病数据集上使用了logistic回归和决策树分类器模型,在对两个模型进行训练和测试数据集比率相同后,我发现logistic回归给出的准确性更高,大约为80%,而决策树分类器给出了约75%。
2021-06-12 15:32:47 12KB JupyterNotebook
1
逻辑回归 在全球范围内,心血管疾病(CVD)造成的死亡人数多于癌症。 从这项为期15年的心脏研究队列中收集的真实心脏病患者的数据集可用于此任务。 该数据集具有16个患者特征。 请注意,所有功能均不包含任何验血信息。 脚步 检查每个属性/列的描述性统计数据 检查班级不平衡 建立物流模型 确定特征重要性 评估模型的性能指标 要求 Python Google Colab 配套 将熊猫作为pd导入 从sklearn.datasets导入load_iris 从sklearn.linear_model导入LogisticRegression 从sklearn导入指标 从sklearn.metrics导入f1_score 导入matplotlib.pyplot作为plt 将numpy导入为np 从sklearn导入linear_model 从sklearn.model_selection导
2021-06-12 15:29:39 18KB JupyterNotebook
1
从疝气病症预测病马的死亡率 预处理过的数据集+python代码
2021-06-12 15:27:22 10KB logistic回归
1
本次实战内容,将使用Logistic回归来预测患疝气病的马的存活问题。原始数据集下载地址:http://archive.ics.uci.edu/ml/datasets/Horse+Colic 这里的数据包含了368个样本和28个特征。这种病不一定源自马的肠胃问题,其他问题也可能引发马疝病。该数据集中包含了医院检测马疝病的一些指标,有的指标比较主观,有的指标难以测量,例如马的疼痛级别。另外需要说明的是,除了部分指标主观和难以测量外,该数据还存在一个问题,数据集中有30%的值是缺失的。 预处理数据做两件事: 如果测试集中一条数据的特征值已经确实,那么我们选择实数0来替换所有缺失值,因为本文使用Logistic回归。因此这样做不会影响回归系数的值。sigmoid(0)=0.5,即它对结果的预测不具有任何倾向性。 如果测试集中一条数据的类别标签已经缺失,那么我们将该类别数据丢弃,因为类别标签与特征不同,很难确定采用某个合适的值来替换。 原始的数据集经过处理,保存为两个文件:horseColicTest.txt和horseColicTraining.txt。已经处理好的“干净”可用的数据集下载地址:
2021-06-12 15:26:08 7KB 机器学习疝气
1