1. 模块简介模块就是一个保存了 Python 代码的文件。模块能定义函数，类和变量。模块里也能包含可执行的代码。模块也是 Python 对象，具有随机的名字属性用来绑定或引用。下例是个简单的模块support.py 1 def print_func( par ):
2 print("Hello : ", par)
3 return 1）import 语句想使用 Pytho
转载
2023-07-31 14:04:55
13阅读
# 线性回归模型（LR模型）在Python中的应用
线性回归（Linear Regression）是一种基础且常用的统计分析方法，用于研究自变量（独立变量）与因变量（响应变量）之间的线性关系。在机器学习与数据科学领域，线性回归被广泛应用于预测与模型构建方面。本文将通过代码示例，介绍如何在Python中实现线性回归模型。
## 什么是线性回归？
线性回归的目标是寻找一个线性方程，通过该方程将自
原创
2024-09-09 06:50:44
41阅读
导语笔者对各大厂商CTR预估模型的优缺点进行对比，并结合自身的使用和理解，梳理出一条CTR预估模型的发展脉络，希望帮助到有需要的同学。0. 提纲1. 背景2. LR 海量高维离散特征 (广点通精排)3. GBDT 少量低维连续特征 (Yahoo & Bing)4. GBDT+LR (FaceBook)5. FM+DNN (百度凤巢)6. MLR
这里我只说一下，我在使用过程中的一些注意事项。比如，我创建了一个包，该包下面有两个模块：model1和model2，如下图 那么我们再python中怎样去使用自己创建的这两个包呢？ 1、修改sys.path，这个网上教程很多，可以自己搜索一下。 2、import自己写的模块。 比如在ModelTest统计目录下新建一个python文件（modelTest.py），该文件用到我们自己写的
转载
2023-07-01 11:32:44
151阅读
"""对钙信号的动力学进行建模，AR模型。"""
import matplotlib.pyplot as plt
import numpy as np
if __name__ == '__main__':
length = 500
time = range(length)
gamma = 0.99
c0 = 1
# st = np.random.poi
转载
2023-06-04 21:54:09
196阅读
上一篇博客讲了基于LSTM不同类型的时间预测，这篇文档使用pytorch 动手实现如何基于LSTM模型单变量时间预测。同样使用sns flight（数据网盘下载链接见文末） 作为数据源，这里将数据下载下来存放在本机中。首先读取存储在本机中的flights.csv数据：import torch
import torch.nn as nn
imp
转载
2023-10-07 13:28:35
117阅读
【问题描述】毕业设计遇到一个问题：对多种气体回归。为了简化代码，数据导入已经封装成函数，只是需要手动修改气体种类，但每种气体都要单独训练一次，懒得每次训练完从床上爬起来改俩参数重新训练！！【尝试】程序里设置 for 循环，遍历多种气体——会爆内存（训练到第二个模型时电脑就开始卡，每步训练时间很长）【解决方案】使用 argparse 模块和 os.system() 方法第一步丨调用 'argpars
转载
2023-06-30 19:36:59
451阅读
## 了解LR模型在Java中的应用
LR模型（Logistic Regression）是一种线性分类模型，常用于解决二分类问题。在Java中，我们可以通过使用开源的机器学习库来实现LR模型，例如Apache Mahout或者Weka。下面我们将介绍如何在Java中使用LR模型进行分类任务。
### LR模型简介
LR模型是一种广义线性模型，它使用逻辑函数（Logistic Function
原创
2024-02-25 05:21:47
144阅读
一、LWR简介 Locally Weighted Regression, LWR，局部加权回归使一种非参数方法(Non-parametric)。在每次预测新样本时会重新训练临近的数据得到新参数值。意思是每次预测数据需要依赖训练训练集，所以每次估计的参数值是不确定的。局部加权回归优点：需要预测的数据仅与到训练数据的距离有关，距离越近，关系越大，反之越小；可以有效避免欠拟合，减小了较远数据的干扰，仅与
转载
2023-06-30 21:05:13
528阅读
在时间序列问题上，机器学习被广泛应用于分类和预测问题。当有预测模型来预测未知变量时，在时间充当独立变量和目标因变量的情况下，时间序列预测就出现了。预测值可以是潜在雇员的工资或银行账户持有人的信用评分。任何正式引入统计数据的数据科学都会遇到置信区间，这是某个模型确定性的衡量标准。因此，预测一段时间内某些数据的价值需要特定的技术，并且需要多年的发展。由于每种都有其特殊用途，必须注意为特定应用选择正确的
转载
2023-07-08 14:48:07
172阅读
1.决策树决策树模型demo随机森林模型demo1.1从LR到决策树相信大家都做过用LR来进行分类，总结一下LR模型的优缺点：优点适合需要得到一个分类概率的场景。实现效率较高。很好处理线性特征。缺点当特征空间很大时，逻辑回归的性能不是很好。不能很好地处理大量多类特征。对于非线性特征，需要进行转换。以上就是LR模型的优缺点，没错，决策树的出现就是为了解决LR模型不足的地方，这也是我们为什么要学习决策
Task1：Linear regression with one variable 首先先引入库import numpy as np
import pandas as pd
import matplotlib.pyplot as plt用课程所给的数据生成表以及散点图path='E:\xxx\machine learning\ex1data1.txt'//本地磁盘绝对路径
data=pd.read
转载
2023-12-20 06:07:43
68阅读
核心流程：
1、分箱处理：连续特征等频分箱后合并为单调WOE，分类特征直接计算WOE。
2、特征筛选：先对特征按相关性聚类，每类取IV前50%进入逐步回归，降低多重共线性。
3、稳定性验证：进行10轮循环，每轮抽取80%样本执行逐步回归，减少对样本分布的依赖。
JAVA的网络IO模型彻底讲解1，最原始的BIO模型该模型的整体思路是有一个独立的Acceptor线程负责监听客户端的链接，它接收到客户端链接请求之后为每个客户端创建一个新的线程进行链路处理，处理完成之后，通过输出流返回应答给客户端，线程销毁。这就是典型的一请求一应答的通讯模型。该模型的最大问题就是缺乏弹性伸缩能力，当客户端并发访问量增加后，服务端的线程数和客户端并发访问数呈现1:1的正比关系，由
转载
2024-05-31 19:42:43
19阅读
转载
2024-01-31 10:46:57
74阅读
logisitic回归 是一个学习算法 用在监督学习的问题中 ， 当输出的y标签是0或是1的时候 是一个二分类的问题这是一个logistic模型 w b 是这个模型的参数 这是一个线性回归的问题 在这里我们想输出的Y的概率应该是在0和1之间的 而不应是是大于1或是为一个负数 所以我们使用了一个sigmoid函数 如图中所示 这样使得输出的y介于0和1 之间这是关于logistic函数的一个具体过程
引言：线性回归模型的种类有很多，如lasso回归、岭回归及逻辑回归等。同时，根据求解函数的不同，又可以衍生到线性分类。接下来将一一介绍。1 概述 回归是一种应用广泛的预测建模技术，这种技术的核心在于预测的结果是连续型变量。通常，我们可以通过矩阵和代数这两个角度来理解模型，在这里，我们采用矩阵的角度来理解。2.多元线性回归LinearRegres
转载
2023-12-01 11:44:28
211阅读
# 使用Python将逻辑回归模型保存为PMML文件
在机器学习中，模型的可移植性非常重要。PMML（Predictive Model Markup Language）是一种用于描述统计模型的XML（可扩展标记语言）标准。本文将指导你如何使用Python将逻辑回归（LR）模型保存为PMML文件，适合刚入行的小白。我们将遵循以下步骤：
## 整体流程
我们将把整个流程分为以下几个步骤：
|
从上述工作可以看到，想要替换掉cosine decay，又想追上cosine的效果，还是伴随着不少代价：换成WSD/Cooldown，需
原创
2024-06-19 10:20:24
60阅读
LR性能测试分析流程一、 判断测试结果的有效性（1）在整个测试场景的执行过程中，测试环境是否正常。（2）测试场景的设置是否正确、合理。（3）测试结果是否直接暴露出系统的一些问题。（4）确定测试结果有效之后，就要对测试数据进行深入的分析。二、 分析思路（1）分析原则：由外到内，由表到里，层层深入。拆分问题
转载
2024-04-12 22:19:48
104阅读
