2017-08-12 Logistic 回归，作为分类器： 分别用了梯度上升，牛顿法来最优化损失函数： # -*- coding: utf-8 -*-'''function: 实现Logistic回归，拟合直线，对数据进行分类；利用梯度上升，随机梯度上升，改进的随机 ...

Logistic回归 算法优缺点： 1.计算代价不高，易于理解和实现2.容易欠拟合，分类精度可能不高3.适用数据类型：数值型和标称型 算法思想： 其实就我的理解来说，logistic回归实际上就是加了 ...

元算法是对其他算法进行组合的一种方式。单层决策树实际上是一个单节点的决策树。adaboost优点：泛化错误率低，易编码，可以应用在大部分分类器上，无参数调整缺点：对离群点敏感适用数据类型：数值型和标称 ...

本代码参考自：https://github.com/lawlite19/MachineLearning_Python/blob/master/LogisticRegression/LogisticRegression.py 1. 读取数据集 2. 查看原始数据的分布 ...

回归分析是研究变量之间定量关系的一种统计学方法，具有广泛的应用。 Logistic回归模型 线性回归 先从线性回归模型开始，线性回归是最基本的回归模型，它使用线性函数描述两个变量之间的关系，将连续或离散的自变量映射到连续的实数域。 模型数学形式： 引入损失函数（loss ...

我们经常使用决策树处理分类问题，近年来的调查表明决策树也是经常使用的数据挖掘算法K-NN可以完成多分类任务，但是它最大的缺点是无法给出数据的内在含义，决策树的主要优势在于数据形式非常容易理解决策树的优 ...

SVM有很多种实现，但是本章只关注其中最流行的一种实现，即序列最小化（SMO）算法在此之后，我们将介绍如何使用一种称为核函数的方式将SVM扩展到更多的数据集上基于最大间隔的分割数据优点：泛化错误率低，计算开销不大，结果易解释缺点：对参数调节和核函数的选择敏感，原始分类器不加修改仅适用于处理二类问题 ...

逻辑回归模型（Logistic Regression）及Python实现 http://www.cnblogs.com/sumai 1.模型 　　在分类问题中，比如判断邮件是否为垃圾邮件，判断肿瘤是否为阳性，目标变量是离散的，只有两种取值，通常会编码为0和1。假设我们有一个特征X，画出散点图 ...