一、与主成分分析的关系（1）主成分分析是将原始变量做线性组合，线性组合值代替原始变量；而因子分析是先将原始变量做分解，再用分解出来的因子与原始变量做线性回归，用回归的预测值代替原始变量，表示成公共因子和特殊因子的线性组合；（2）主成分分析中不需要专门的假设；而因子分析则需要，主要包括：各个公共因子之间不相关，特殊因子之间不相关，公共因子和特殊因子不相关等；（3）主成分分析中，给定的 协方差矩阵 或
参考『http://stat-design.blogspot.sg/search?updated-min=2011-01-01T00:00:00-06:00&updated-max=2012-01-01T00:00:00-06:00&max-results=4』
We know that the Mean gives us the central tendency of the d
本文解释线性回归模型的度量参数，并通过示例给出其计算过程。模型度量参数概述线性回归用于找到一条线能够最佳拟合数据集。通常使用三个不同的平方和值衡量回归线实际拟合数据的程度。Sum of Squares Total (SST) 单个数据点（观测值）于响应变量的均值差的平方和。Sum of Squares Regression (SSR) 预测值ŷi与响应变量均值差的平方和。Sum of Square
转载
2024-03-04 11:31:36
327阅读
记录Logistic的一次详尽公式推导及使用简介 文章针对像我一样数学弱又想学好机器的朋友们！手写推导过程尽可能的详尽。后面还有案例实现，希望也能帮助大家理解。 Logistic 回归模型和线性回归一样，都是 y = wx + b ，其中 x 可以是一个多维特征，唯一不同的地方在于Logistic 回归会对 y 作用一个Logistic 函数，将其变为一种概率结果，Logistic 函数作为逻
转载
2024-03-16 01:07:49
131阅读
2
再引言 在冷轧工程设计和工艺研究等过程中，需要了解和掌握金属的变形特点，一般通过实验手段或现场实绩数据收集，获得金属的应力-应变数据。将数据绘制成曲线并进行公式拟合，是设计和科研工作者的一项重要工作。Excel作为常见的数据分析工具，其图表及数值处理功能十分强大，无须编程便可以进行一些函数的拟合。介绍一种用Excel拟合
回归问题是常见的一中，其有三个常用的损失函数，今天来学习下这三种损失函数均方误差（Mean Square Error，MSE） 均方误差指的是模型预测值和真实值之间的距离平方的平均值，其公式如下所示：和分别代表第个样本的真实值和预测值，m为样本个数。 MSE曲线的特点是光滑连续、可导，便于使用梯度下降法，而且MSE随着误差的减少，梯度也在减小，这有利于函数的
转载
2024-05-08 21:47:49
125阅读
导读逻辑回归是一种线性模型，更确切的说是嵌套了一层sigmoid函数的线性模型。写在滕王阁下的一篇文章01 为什么叫逻辑回归分类和回归是机器学习中两类经典的问题，而逻辑回归虽然叫回归，却是一个用于解决分类问题的算法模型，但确实跟回归有着密切关系——它的分类源于回归拟合的思想。解释这个问题，得首先从回归和分类的特点说起。回归，最简单的场景就是用身高拟合体重：给出一组身高数据，通过训练可以拟合获得期望
转载
2024-04-22 21:03:23
104阅读
机器学习一共有两条主线：问题模型问题提出要求，模型给予解决。线性回归线性回归：用线性模型来解决回归问题。线性回归的重点：回归问题线性方程偏差度量权重更新：优化方法线性回归的算法原理基本思路机器学习的核心概念：在错误中学习。这需要两个步骤，首先知道偏离了多少，然后向减少偏差的方向调整权值。偏差度量：找到目标和实际的偏差距离，用“损失函数”表示；权值调整：通过“优化方法”来调整权值，使得偏差减小。数学
转载
2024-03-15 12:02:11
77阅读
X % 2^n = X & (2^n - 1)
因为相信,所以看见.
原创
2021-07-15 14:44:46
695阅读
前言想起了过去那段被前言毕业论文支配的日子，需要编辑超级多的公式，Word 自带的公式功能虽然能用，但是用起来没那么舒服和方便。最近一年来也时常需要编辑公式，随着版权意识的加强，我很多软件都购入了正版，由于 MathType 界面很丑，还有点贵，我选择了界面更好看、价格也更合适我的国产公式编辑器——AxMath。软件介绍及使用体验。AxMath 是一款 Windows 上的国产公式编辑器，附带排版
转载
2023-11-01 17:25:38
12阅读
eCPM代表着每千次网页爆光转换率(或者是每千次爆光有效成本)，PRM代表每千次访问的收入。 两个术语经常是一样的，但它们被用于不同的上下文中。当广告商想在特定的网站上投放广告，他们常常会计算eCPM来评估他们是否能够投放此广告。（爆光度越大的平台投放ad的eCPM应该越小，尽管它的广告费总额更贵。）广告商将会比较多种渠道并决定哪一个的广告点击转化效率更好。 最优的选择即是选择最低的e
转载
2024-05-13 17:51:09
102阅读
一、线性回归1.定义：线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。2.例子（1）说明 数据：工资和年龄（2个特征）；目标：预
转载
2023-12-18 20:04:00
47阅读
[机器学习] 数据特征 标准化和归一化你了解多少？ TinyMind 2018-07-26 15:12 数据特征分析
数据标准化
数据归一化
一、标准化/归一化定义归一化和标准化经常被搞混，程度还比较严重，非常干扰大家的理解。为了方便后续的讨论，必须先明确二者的定义。归一化 就是将训练集中某一列数值特征（假设是第i列）的值缩放到0和1之间
目录1.1 概率统计1.2 poisson分布的参数估计补充：正态分布的置信区间的相关函数1.3 poission分布的样本均数与总体均数的比较1.4 两独立样本的poission分布的假设检验1.5 Poission 回归模型1.6 过度离散的判定及处理1.7 对数线性模型在医学研究中经常遇到计数资料（count data），比如某罕见病在某个时间段的发病数、某病患者在一年内住院次数等。这种计数
转载
2024-08-08 16:43:53
207阅读
文章目录线性回归的原理线性回归的一般形式1 极大似然估计（概率角度诠释）2 最小二乘解线性回归损失函数、代价函数、目标函数优化方法（梯度下降法、牛顿法、拟牛顿法）1 梯度下降法2 最小二乘法矩阵求解3 牛顿法4 拟牛顿法线性回归的评估指标sklearn.linear_model参数详解 线性回归的原理线性回归（linear regression）解决的是回归问题，目标是建立一个系统，将向量作为输
转载
2024-04-01 17:06:23
47阅读
@钙钛矿的容忍因子计算使用的离子半径的反证钙钛矿稳定性的问题非常重要，但理论上对其深层次的理解却进展缓慢。目前广泛采用的衡量钙钛矿稳定性的容忍因子（tolerance factor，简称t，参见图1）早在1926年由Goldschmidt提出。若是稳定的钙钛矿其容忍因子的范围一般为0.77~1.10之间。钙钛矿的A位配位数为12，B位配位数为6，X配位数为6。但是笔者最近发现：由于配位数12的离子
转载
2024-05-15 11:58:03
739阅读
文章目录一、算术运算符二、关系运算符三、逻辑运算符四、赋值运算符五、三元运算符六、运算符的优先级七、位运算（一）、原码 反码 补码（二）、位运算符 一、算术运算符类型： + - * / % ++ - -说明 i ++ 表示先赋值再自增，++ i 表示先自增再赋值。 i - - 表示先赋值再自减，- - i 表示先自减再赋值。%的本质可以看成一个公式：a % b =
转载
2023-09-18 17:15:53
312阅读
表达式其实就是数学中的各种式子，不难理解，这里主要整理一下运算符的概念1.赋值运算符 简单来说，赋值运算符的作用就是将一个值赋予给你设定的变量，例如 格式一般为变量名=要赋予的值 代码中表示为int number;
number=5;这里的“=”和数学运算中的“等于”意义并不一样，并不是要判断左右两边的数值是否相等，而是要把等号右边的值赋予给等号左边的变量，将5这个值放进number这个变量名所开
转载
2023-10-27 06:34:09
85阅读
摘要：对于上一篇博客（HERE）本文使用torch.nn算法库，实现线性回归模型。此外，补充了梯度下降算法的底层逻辑。0、问题描述假设特征向量为（设为），，样本为，输出为，同时加上一点噪声：后续就是要通过对大量关系的学习探索的取值。1、数据集构建与初始化定义真实的参数，使用d2l算法库生成1000条高斯分布加噪声的随机数据作为训练集：import numpy as np
import d2l
fr
转载
2024-08-11 10:05:33
113阅读
/*先把标题给写了，这样就能经常提醒自己*/ 转自别处 有很多与此类似的文章 也不知道谁是原创 因原文由少于错误 所以下文对此有修改并且做了适当的重点标记(横线见的内容没大明白 并且有些复杂，后面的运行流程依据前面的得出的算子进行分类) 初步接触谓LR分类器(Logistic Regression Classifier)，并没有什么神秘的。在分类
