先决条件：ML |线性回归 线性回归是一种监督型学习算法, 用于计算输入(X)和输出(Y)之间的线性关系。 普通线性回归涉及的步骤是： 培训阶段：计算以最小化成本。预测输出：对于给定的查询点, 从下图...
IT技术
IT技术
Python
ML算法：使用Python进行Logistic回归
先决条件：了解逻辑回归 用户数据库–该数据集包含来自公司数据库的用户信息。它包含有关用户ID, 性别, 年龄, 预估工资, 已购买的信息。我们正在使用该数据集预测用户是否会购买公司的新产品。 数据– ...
Python
ML算法：使用Tensorflow进行Logistic回归
先决条件：了解逻辑回归和TensorFlow. Logistic回归摘要： Logistic回归是机器学习中常用的分类算法。它允许通过从给定的一组标记数据中学习关系来将数据分类为离散类。它从给定的数据...
Python
ML：什么是机器学习？
人工智能和电脑游戏领域的先驱阿瑟·塞缪尔创造了“机器学习”这个术语。他将机器学习定义为:“一种研究领域，它让计算机能够在没有明确编程的情况下进行学习。” 以非常普通的方式, 机器学习(ML)可以解释为...
Python
ML算法：均值漂移聚类详细介绍
均值漂移与无监督学习相反, 无监督学习通过将点朝着模式转移来将数据点迭代地分配给聚类(在均值偏移的情况下, 模式是该区域中数据点的最高密度)。因此, 它也被称为寻模算法。均值漂移算法在图像处理和计算机...
Python
ML算法：Python的小批量梯度下降
在机器学习中, 梯度下降是一种用于计算模型参数(系数和偏差)的优化技术, 用于线性回归, 对数回归, 神经网络等算法。在此技术中, 我们反复遍历训练集并更新模型相对于训练集的误差梯度的参数。 根据更新...
Python
ML算法：迷你批量K均值聚类算法
先决条件：K均值聚类中K的最优值 K均值是最流行的聚类算法之一, 主要是因为其良好的时间性能。随着所分析的数据集大小的增加, K均值的计算时间增加了, 因为它需要在主存储器中存储整个数据集。由于这个原...
Python
ML算法：基于动量的梯度优化器介绍
梯度下降 是机器学习框架中用于训练不同模型的一种优化技术。训练过程由目标函数(或误差函数)组成, 该函数确定机器学习模型在给定数据集上的误差。 在训练时, 该算法的参数被初始化为随机值。随着算法的迭代...
Python
ML算法：使用Python进行多元线性回归
线性回归： 它是预测分析的基本类型和常用类型。这是一种统计方法, 用于对因变量和给定的一组自变量之间的关系进行建模。 有两种类型： 简单线性回归 多元线性回归 让我们讨论使用Python进行多元线性回...
Python
ML算法：Python中数据集的一种热编码
有时在数据集中, 我们会遇到包含没有特定优先顺序的数字的列。列中的数据通常表示类别或类别的值, 并且在列中的数据经过标签编码时也是如此。这会混淆机器学习模型, 为避免这种情况, 列中的数据应进行一次热...
