logistic回归的一些直观理解（1.连接函数 logit probit） 前面写了一些读书笔记是关于用logit回归做二分类问题后的效果评价，基本上已经可以告一段落。然后打算回过头来整理一下logit回归本身的一些思路。很惭愧，我不是统计学出身，当年概率论差点考挂，数理统计也是一门选修课（唯一印象深刻的是老师的口音），所以大概很难从理论上进行严格的阐述，主要还是写一点直观
转载
2024-02-23 09:10:58
279阅读
(1) 描述这种回归，是这一种单调函数的回归，回归模型中后一个x一定比前一个x大，也就是有序，具体的数学公式在上面两个网址中都有。保序回归并不需要制定的目标函数。保序回归的应用之一就是用来做统计推断，比如药量和毒性的关系，一般认为毒性随着药量是不减或者递增的关系，借此可以来估计最大药量。问题描述：给定一个无序数字序列y，通过修改每个元素的值得到一个非递减序列 y‘ ，问如何使y
转载
2024-03-26 19:52:11
334阅读
( 一 )Matlab1.数值计算和符号计算功能Matlab 以矩阵作为数据操作的基本单位，它的指令表达式与数学、工程中 常用的符号、表达式十分相似，故用Matlab 来解算问题要比用C、FORTRAN 等 语 言完成相同的事情简捷得多，使学者易于学习和掌握。Matlab 还可以提供非常丰富的数值计算函数，而且采用的都是国际通用的数值计算算法，便捷通
只要学习过数据分析，或者对数据分析有一些简单的了解，比如使用过SPSSAU、SPSS这些统计分析软件，都知道有回归分析。按照数学上的定义来看，回归分析指研究一组随机变量(Y1 ，Y2 ，…，Yi)和另一组(X1，X2，…，Xk)变量之间关系的统计分析方法，又称多重回归分析。通常Y1，Y2，…，Yi是因变量，X1、X2，…，Xk是自变量。其实说简单点就是研究X对于Y的影响关系，这就是回归
转载
2024-01-18 22:21:57
106阅读
由于PROTACs的构效关系比较模糊，当前暂时没有PROTAC理想的理性设计与药效评价计算方法。上海科技大学一研究团队引入了DeepPROTACs，以帮助设计有效的PROTACs分子。它可以根据给定的靶蛋白和E3连接酶的结构来预测PROTAC分子的降解能力。背景介绍传统疗法依靠小分子抑制剂作为作用模式（MOA）实现占位驱动药理学。该方法存在无法处理不可成药的靶点、脱靶毒性、不良副作用、耐药性等缺点
逻辑回归概念：首先我们给出逻辑回归的公式： 其中，Y为决策值，x为特征值，e为自然对数，w为特征值的权值，b为偏置。\theta x为两者的内积。Y(x)的图形如下： 该函数是一条S形的曲线，并且曲线在中心点附近的增长速度较快，在两段的增长速度较慢。w值越大，曲线中心的增长速度越快。从图上可知，Y的值域为(0,1)，那么就可以将决策函数值大于等于0.5的具有对应x属性的对象归为正样本，决策函数值小
转载
2024-04-29 19:55:51
110阅读
文章目录1 本章内容介绍2 逻辑回归原理3 带正则化的逻辑回归 1 本章内容介绍通过本章我们可以学习到：逻辑函数与逻辑回归原理梯度下降带正则化的逻辑回归（L1，L2）特征选择2 逻辑回归原理仅能处理离散型数据，所以在模型的训练之前，要数据集内对类别型的特征进行编码，可以使用scikit-learn库的OneHotEncoder或者DictVectorizer来实现。当测试集内出现新的特
logistic回归模型是最成熟也是应用最广泛的分类模型，通过学习和实践拟通过从入门、进阶到高级的过程对其进行总结，以便加深自己的理解也为对此有兴趣者提供学习的便利。一、有关logistic的基本概念 logistic回归主要用来预测离散因变量与一组解释变量之间的关系最常用的是二值型logistic。即因变量的取值只包含两个类别 例如：好、坏 ；发生、不发生；常用Y=1或Y
转载
2024-01-08 17:30:46
365阅读
probit回归：即概率单位回归，主要用来测试分析刺激强度与反应比例之间的关系，例如对于指定数量的病人，分析他们的给药剂量与治愈比例之间的关系，此方法运用的典型例子是分析杀虫剂浓度和杀死害虫数量之间的关系，并据此判定什么样的杀虫剂浓度是最佳的。在药学研究中，此方法常用于半数效应分析（Median effect dose），寻求达到50%输出响应的输入刺激量。数学原理 同logistic回归分析中的
转载
2023-10-15 20:04:55
2732阅读
逻辑回归虽然带有回归字样，但是逻辑回归属于分类算法。逻辑回归可以进行多分类操作，但由逻辑回归算法本身性质决定其更常用于二分类。逻辑回归推导： 重复更新步骤，直到代价函数的值收敛为止。对于学习率的设定，如果过小，则可能会迭代过多的次数而导致整个过程变得很慢；如果过大，则可能导致错过最佳收敛点。所以，在计算过程中要选择合适的学习率。逻辑回归案例：以下为研究一个学生优秀还是差等的问题，已知训练数据的学生
转载
2024-01-02 17:47:15
75阅读
作者：管理学刊大家好，我是小z分析离不开统计，统计亦离不开分析，今天分享的这两篇文章，是对统计x数分重要知识点的梳理，值得一看。01描述统计描述统计是通过图表或数学方法，对数据资料进行整理、分析，并对数据的分布状态、数字特征和随机变量之间关系进行估计和描述的方法。描述统计分为集中趋势分析和离中趋势分析和相关分析三大部分。集中趋势分析集中趋势分析主要靠平均数、中数、众数等统计指标来表示数据的集中趋势
一、描述统计描述统计是通过图表或数学方法，对数据资料进行整理、分析，并对数据的分布状态、数字特征和随机变量之间关系进行估计和描述的方法。描述统计分为集中趋势分析和离中趋势分析和相关分析三大部分。集中趋势分析集中趋势分析主要靠平均数、中数、众数等统计指标来表示数据的集中趋势。例如被试的平均成绩多少？是正偏分布还是负偏分布？离中趋势分析离中趋势分析主要靠全距、四分差、平均差、方差（协方差：用来度量两个
文章目录一、为什么需要边框回归二、边框回归的调整策略三、论文里怎么说3.1 平移量与缩放量定义3.2 损失函数3.3 为什么是线性回归四、论文中为什么这样定义平移量和缩放量4.1 平移量中为什么加入宽和高4.2 缩放量为什么采用`e`的幂 一、为什么需要边框回归 假设有如下一种情况，红框为模型预测的检测框region proposal，蓝框为真实的检测框ground truth。可以看见，尽管
转载
2024-04-05 19:01:23
402阅读
本专栏将使用Tableau来进行数据分析，Tableau数据分析-Chapter14线性回归、时间序列，记录所得所学，作者：北山啦。Tableau基础入门最后一章啦 文章目录本节要求回归分析1. 简单的线性回归模型2. 其他的回归分析模型2.1 对数模型2.2 指数模型2.2 幂模型2.3 多项式模型3. 时间序列分析3.1 创建人工服务接听量预测曲线3.2 预测模型评价 本节要求回归分析回归分析
转载
2024-05-22 15:40:53
178阅读
为什么要先进行案例研究？没有比较好的数学基础，直接接触深度学习会非常抽象，所以这里我们先通过一个预测 Pokemon Go 的 Combat Power (CP) 值的案例，打开深度学习的大门。 Regression （回归）应用举例（预测Pokemon Go 进化后的战斗力）比如估计一只神奇宝贝进化后的 CP 值（战斗力）。 下面是一只妙蛙种子，可以进化为妙蛙草，现在的CP值是14，我们想估计
李宏毅课程笔记1Regression提出问题建立模型梯度下降Regularization（正则化）Basic Concept(基本概念)重点备忘 本次笔记主要包含两节课：Regression(回归)和Basic Concept(基本概念) Regression提出问题本节课李宏毅老师是以宝可梦升级后的CP值预测作为学习目标的。（这个思路非常好，用一个有趣的又容易实现的任务作为学习目标，完成目标的
转载
2024-05-24 18:39:32
58阅读
复习总结关于logistic回归的相关原理及实现：简单来讲，Logistic回归主要是用在二分类方面的问题，用于估计某种事物的可能性。比如，用户买不买某件商品的可能性；某广告被用户点击的可能性；但是，这里的可能性并非是指概率，logistic回归的结果并不是数学上的概率值，不可以直接当做概率来用。一般来讲，logistic回归得到的结果都是与其他的特征值加权求和，而不是直接相乘。Logistic回
转载
2024-04-22 13:16:13
59阅读
知识点进程和线程:进程和线程都是一个时间段的描述，是CPU工作时间段的描述，不过是颗粒大小不同.进程就是包换上下文切换的程序执行时间总和 = CPU加载上下文+CPU执行+CPU保存上下文.线程是共享了进程的上下文环境的更为细小的CPU时间段。判别式模型和生成式模型:判别式模型直接学习决策函数f(X)或条件概率分布P(Y|X)作为预测的模型.往往准确率更高,并且可以简化学习问题.如k近邻法/感知机
《Interpretable Machine Learning》(https://christophm.github.io/interpretable-ml-book/index.html)内容围绕：对于一个训练好的线性模型，怎样去向模型使用者（客户）解释这个模型（参数含义、为什么得会得出这种预测结果）。 上图为一个线性回归的单个实例，最后一项为误差。1. 模型是否“正确”，需要用到的数据间遵循一
转载
2024-01-22 11:44:07
172阅读
两个对象person1和person2,如果他们只有名字不同,其他属性相同,不想重复创建对象,想把person1复制一份作为person2,可以使用原型模式.如果person2克隆person1,那么具有相同的值,修改的话只需要修改Name这一个属性就行.其他的属性都不用设置了,因为都是从person1那里拷贝过来的.现在需要想方设法让person1调用一个方法获得person2这个对象.publ
