2026年11月的文章 第56页
4.2.3 正规方程法
正规方程法介绍 正规方程法(Normal Equation)是一种用于求解线性回归的解析解的方法。它基于最小二乘法,通过求解矩阵方程来直接获得参数值。 将损失函数转换为矩阵形式: 2.API使用 # fit_in...
4.2.2 一元线性回归解析解
# 自变量,每周学习时长 X = [[5], [8], [10], [12], [15], [3], [7], [9], [14], [6]] # 因变量,数学考试成绩 y = [55, 65, 70, 75, 85, 50...
4.2 线性回归求解
4.2.1 损失函数 模型的预测值与真实值之间存在误差。 损失函数用于衡量模型预测值与真实值之间的误差,并通过最小化损失函数来优化模型参数。当损失函数最小时,得到的自变量系数就是最优解。
第 4 章 线性回归
4.1 线性回归简介 4.1.1 什么是线性回归 2)多元线性回归 4.1.2 线性回归应用场景 GDP预测:用历史数据(如投资、消费、出口)建立回归模型,预测GDP增长趋势。 广告效果评估:量化不同渠道广告...
3.5 模型评估与超参数调优
3.5.1 网格搜索 网格搜索(Grid Search)是一种系统化的超参数调优方法,通过遍历预定义的超参数组合,找到使模型性能最优的参数配置。通过自动化调参避免手动试错,提高效率。 网格搜索通常嵌...
3.4 案例:心脏病预测
3.4.1 数据集说明 Heart Disease数据集https://www.kaggle.com/datasets/johnsmith88/heart-disease-dataset。 年龄:连续值 性别:0-女,1-男 胸痛类型:0-典型心绞痛,1-非典型心绞痛,2-非心...
3.3 归一化与标准化
3.3.1 归一化 4)API使用 from sklearn.preprocessing import MinMaxScaler X = [[2, 1], [3, 1], [1, 4], [2, 6]] # 归一化,区间设置为(-1,1) X = MinMaxScaler(feature_...
第 3 章 KNN算法
3.1 KNN算法介绍 K近邻算法(K-Nearest Neighbors,KNN)是一种基本的分类与回归方法,属于监督学习算法。其核心思想是通过计算给定样本与数据集中所有样本的距离,找到距离最近的K个样本,然后...
2.7 模型评价指标
对学习的泛化性能进行评估,不仅需要有效可行的实验估计方法,还需要有衡量模型泛化能力的评价指标,也叫做性能度量(performance measure)。 回归模型评价指标 模型的评价指标用于衡量模型在...
2.6.2 梯度下降法
梯度方向:函数变化增长最快的方向(变量沿此方向变化时函数增长最快) 负梯度方向:函数变化减少最快的方向(变量沿此方向变化时函数减少最快) 因为损失函数是系数的函数,那么如果系数沿着损...











