1.算法原理 1.分类和回归 　　分类模型和回归模型本质一样，分类模型是将回归模型的输出离散化。 　　一般来说，回归问题通常是用来预测一个值，如预测房价、未来的天气情况等等，例如一个产品的实际价格为500元，通过回归分析预测值为499元，我们认为这是一个比较好的回归分析。回归是对真实值的一种 ...

上上一章已经学习了感知机模型、策略和算法，感知机对于分类任务有着其优点，但是该模型是在具有强假设的条件下——训练数据集必须是线性可分的，但是如果数据集是呈现无规则的分布，那么此时如果要做分类任务，还可以考虑k近邻（KNN），这是一种基本的分类和回归方法，既可以做简单的二分类也可以做复杂的多分类任务 ...

线性回归模型的短板 岭回归模型 λ值的确定--交叉验证法 岭回归模型应⽤ 寻找最佳的Lambda值 基于最佳的Lambda值建模 Lasso回归模型 LASSO回归模型的交叉验证 Lasso回归模型应用 ...

由于计算一般线性回归的时候，其计算方法是： p = (X’* X)**(-1) * X’ * y 很多时候 矩阵(X’* X)是不可逆的，所以回归系数p也就无法求解， 需要转换思路和方法求解：加2范数的最小二乘拟合（岭回归） 岭回归模型的系数表达式： p = (X’ * X ...

...

目录 　　一元线性回归、多元线性回归、Logistic回归、广义线性回归、非线性回归的关系 　　什么是极大似然估计 　　逻辑斯谛回归(Logistic回归) 　　多类分类Logistic回归 　　Python代码(sklearn库) 一元线性回归 ...

1. 导入boston房价数据集，一元线性回归模型，建立一个变量与房价之间的预测模型，并图形化显示。 代码： 截图： 代码： 截图： 2. 多元线性回归模型，建立13个变量与房价之间的预测模型，并检测模型好坏，并图形化显示检查结果。 代码 ...

为什么要用logistic回归？ 在医学领域，我们经常会遇到这样的数据：患病与未患病、生存与死亡、阴性与阳性……这些结果都是二分类变量。如果要研究自变量与分类型因变量的关系，用多元线性回归模型是束手无策的，因为多元线性回归模型研究连续性因变量，并且要求总体（因变量）分布类型为正态分布 ...