这是一组用于进行贝叶斯线性回归的 MATLAB 函数。 派生也包括在内。

GEE学习ppt

深度系列 用于时间序列预测的深度学习模型。 楷模 Seq2Seq /注意 WaveNet 变压器/变压器 快速开始 from deepseries . models import Wave2Wave , RNN2RNN from deepseries . train import Learner from deepseries . data import Value , create_seq2seq_data_loader , forward_split from deepseries . nn import RMSE , MSE import deepseries . functional as F import numpy as np import torch batch_size = 16 enc_len = 36 dec_len = 12 series_len = 1000

葡萄酒品质 使用来自kaggle的数据集进行葡萄酒质量预测。

sklearn实现梯度下降(SGDRegressor)的Jupyter NoteBook文件

套索 概述 这是套索的实现。 拉索[ ] 套索的后裔坐标[J Friedman et al。， ; ] 最小角度回归（LARS）[Efron et al。， ] 有关算法的详细信息，请参见以下用日语编写的博客条目。 经过测试的环境 python == 3.8.3 numpy == 1.18.5 sklearn == 0.23.2

GBDT_Simple_Tutorial（梯度提升树简易教程） 简介 利用python实现GBDT算法的回归、二分类以及多分类，将算法流程详情进行展示解读并可视化，便于读者庖丁解牛地理解GBDT。 项目进度： 回归 二分类 多分类 可视化 算法原理以及公式推导请前往blog： 依赖环境 操作系统：Windows/Linux 编程语言：Python3 Python库：pandas、PIL、pydotplus， 其中pydotplus库会自动调用Graphviz，所以需要去下载graphviz的-2.38.msi ，先安装，再将安装目录下的bin添加到系统环境变量，此时如果再报错可以重启计算机。详细过程不再描述，网上很多解答。 文件结构 | - GBDT 主模块文件夹 | --- gbdt.py 梯度提升算法主框架 | --- decision_tree.py 单颗树生成，包括节点划分

PERMUTATION TESTS FOR JOINPOINT REGRESSION WITH APPLICATIONS TO CANCER RATES

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％。

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