回归模型分为线性回归模型和非线性回归模型。这里讨论线性回归模型，这一模型参数化之后为：d=w转置x+e其中d称为期望响应，x称为回归量，w称为参数向量，e称为期望误差，w的维数与回归量x的共同维数称为模型阶。注：线性回归模型如图p42对线性回归参数向量选择的过程进行量化，进而得到4个密度函数。1、观测密度，给定参数向量w，由回归量x对环境响应d的“观测”。2、先验，先验于环境观测量的参数向量w的信
转载
2024-05-21 22:58:58
39阅读
在数学，尤其是概率论和相关领域中，归一化指数函数，或称Softmax函数，是逻辑函数的一种推广。它能将一个含任意实数的K维向量z“压缩”到另一个K维实向量σ(z)中，使得每一个元素的范围都在(0,1)之间，并且所有元素的和为1。该函数多于多分类问题中。中文名归一化指数函数外文名Normalized exponential function领 域人工智能
前面一篇把回归算法的理论部分都大致讲过了，这一篇主要就python代码部分做一些解释，也就是怎么用python写回归算法，因为LZ也是刚刚入门，有一些理解不对的地方，欢迎大家指正，LZ也矫枉过正。
首先是python模块----numpy (设计用到的数学函数，数组等），然后是画图模块matplotlib.pyplot,读取数据集的模块pandas，最后一个就是sklearn,最大的特点就是，为用
转载
2023-08-15 14:43:29
130阅读
微积分的本质P5 指数函数求导本节从指数函数的实际意义出发，通过代数运算，推导出指数函数的一般性质从而引出e的定义，理解所谓“指数函数”的形式的可行性，以及神秘的常数。#1 从实际角度看f(x) = 2x把2t这个函数看成是随着时间t按照比例增长的人口数量p.s. 这里如果把2t看成是人口数量，那么函数整个还是比较离散的概念。为了后续按照导数的定义，使得微小变化量有实际意义，往往也会采取将函数值看
1 #函数
2
3 #函数的返还值
4 #返还值有三种形式，无返还值，单一返还值，多返还值
5
6 #无返还值
7 #有时我们调用一个函数只是完成一个过程或者某个动作
8 #而不需要去设置返还值
9
10 def no_return ():
11 print("我不需要返还值哦");
12
13
14 def no_return_2 ()
转载
2024-07-11 11:44:39
22阅读
在数学，尤其是概率论和相关领域中，归一化指数函数，或称Softmax函数，是逻辑函数的一种推广。它能将一个含任意实数的K维向量z“压缩”到另一个K维实向量σ(z)中，使得每一个元素的范围都在(0,1)之间，并且所有元素的和为1。该函数多用于多分类问题中。做过多分类任务的同学一定都知道softmax函数。softmax函数，又称归一化指数函数。它是二分类函数sigmoid在多分类上的推广，目的是将多
转载
2024-06-12 20:21:41
134阅读
今天用Excel的if函数，要用到嵌套，就在网上查到了这篇文章，比较全面。 编者语：Excel 是办公室自动化中非常重要的一款软件，很多巨型国际企业都是依靠Excel进行数据管理。它不仅仅能够方便的处理表格和进行图形分析，其更强大的功能体现在对数据的自动处理和计算，然而很多缺少理工科背景或是对Excel强大数据处理功能不了解的人却难以进一步深入。编者以为，对Excel函数应用的不了解正
第一、他们的联系和区别联系：LR和SVM都可以处理分类问题，且一般都用于处理线性二分类问题（在改进的情况下可以处理多分类问题）两个方法都可以增加不同的正则化项，如L1、L2等等。所以在很多实验中，两种算法的结果是很接近的。忽略 准确度的话，SVM能做的 LR不一定 能做；LR能做的，SVM一定能做。 区别：1、LR是参数模型，SVM是非参数模型。 2、从目标函数来看，区别在于
第一次作业基于x的简单多项式相加求导带符号整数 支持前导0的带符号整数，符号可省略，如： +02、-16>、19260817等。幂函数一般形式 由自变量x和指数组成，指数为一个带符号整数，如：x ^ +2。省略形式 当指数为1的时候，可以采用省略形式，如：x。项表达式 由加法和减法运算符连接若干项组成，如： -1 + x ^ 233 - x ^ >06。此外，在第一项之前，可以带一个正
一．前言一直想对之前学习的模型做一个比较好的总结，但是最后总是不了了之。总结来看，主要在学习的过程中往往会陷入到两个误区，要么是过于注重对于模型形式化推导和求解的数学过程，这往往会导致过于追求局部的技巧而忽略对于模型本身宏观的认识，最后陷入无尽的数学学习中；要么是和大多数仅仅停留在入门阶段的人一样，仅仅通过各种科普读物（公众号、博客）等对于各种模型只有感性的认识。我觉得好的学习方法就要像一个合适的
一、基本数学运算● max（a，b） ○ 返回较大的● min（a，b） ○ 返回较小的● mul（a，b） ○ 两向量相乘，常用于矩阵运算 ● abs（a） ○ 返回a的绝对值 ● round（x） ○ 返回与x最近的整数 ● sqrt（x） ○ 返回x的平方根 ● rsqrt（x） ○ 返回x的平方根的倒数● degrees（x） ○ 将弧度转化为角度● redians（x） ○ 将角度转化为
转载
2024-04-25 10:01:02
119阅读
一、线性回归概述什么是回归问题？有监督学习分为两类，即分类和回归问题，预测某一事物属于哪一类别，属于分类问题，如：猫狗分类；而当需要预测的内容是一个连续的值，属于回归问题，如：预测房价什么是线性回归？线性回归是回归问题的一种，当输出值与输入值之间满足线性关系时，即满足方程：，称为线性回归在二维平面中，它表现为一条直线，在多维空间中，它表现为一个超平面在构建这个超平面时，我们需要使预测值与真实值之
转载
2024-08-06 14:37:14
23阅读
为什么要边框回归？ 对于上图，绿色的框表示Ground Truth, 红色的框为Selective Search提取的Region Proposal。那么即便红色的框被分类器识别为飞机，但是由于红色的框定位不准(IoU<0.5)， 那么这张图相当于没有正确的检测出飞机。 如果我们能对红色的框进行微调， 使得经过微调后的窗口跟Ground Truth 更接近， 这样岂不是定位会更准确。 确实，
转载
2024-04-15 14:59:46
45阅读
参数方法，假定概率分布，只来估计少量参数。半参数方法，对数据分组，每组采用一种概率分布的假设，最后使用混合概率分布。非参数方法，不需要知道数据的概率分布，只需要假设：相似的输入具有相似的输出。因为我们一般都认为世界的变化时平稳、量变到质变的，因此无论是密度、判别式还是回归函数都应当缓慢地变化。在这样的非参数估计（non-paramitric estimation）中，局部实例对于密度的影响就显得颇
转载
2023-11-15 19:21:36
117阅读
前言在之前的关于回归问题的讨论中，笔者主要给出了一般原始的线性回归模型（主要以最小二乘法形式进行的）以及其它两种主流的线性回归模型的补充内容，它们主要是为了解决样本之间存在线性相关性的问题，包括岭回归和LASSO回归。一般而言，对于多分类问题，我们希望能将样本的采样值约束在一定范围之内，最为常用的如[0,1]之间，这就产生了所谓归一化的需求，就是本文讨论的目标。在下面的章节中，我们着重于此类方法，
# 理解序数回归与在Python中的实现
序数回归是用于处理排序数据的一种统计方法。与回归分析类似，序数回归的目标是预测一个因变量，但因变量是有序的类别，例如顾客满意度（非常不满意、不满意、一般、满意、非常满意）。在这篇文章中，我们将逐步学习如何在Python中实现序数回归。
## 实现步骤概览
首先，我们来概述一下完成序数回归的步骤：
| 步骤 | 操作
## 如何在 Python 中实现序数回归
序数回归是一种回归技术，主要用于处理序数型响应变量的数据分析问题。序数型变量是具有自然顺序但没有明确的数值间隔的类别。例如，问卷的满意度标准可分为“非常不满意”、“不满意”、“一般”、“满意”和“非常满意”。本文将向您介绍如何在 Python 中实现序数回归，并通过示例演示整个过程。
### 实现序数回归的流程概览
为了实现序数回归，我们需要按照以
# 对数回归在Python中的实现
对数回归是一种用于处理分类问题且可以用来预测二分类输出的统计分析方法。如果你刚入行，学习如何在Python中实现对数回归将有助于你掌握机器学习的基础。本文将详细介绍对数回归的实现流程，并提供相应的代码示例和注释。
## 流程概述
在实现对数回归`Python`的过程中，可以遵循以下步骤：
| 步骤号 | 步骤描述
# 用Python进行对数回归的全流程教学
对数回归是一种在自变量和因变量之间建立非线性关系的统计方法，通常用于处理相对较大的数据集来预测因变量。对于刚入行的小白来说，了解如何实现对数回归至关重要。本文将通过一个详细的步骤指南，教会你如何使用Python进行对数回归分析。
## 整体流程概述
实现对数回归的过程可以分为以下几个步骤：
| 步骤 | 描述
原创
2024-09-17 06:14:18
103阅读
在介绍分位数回归之前，先重新说一下回归分析，我们之前介绍了线性回归、多项式回归等等，基本上，都是假定一个函数，然后让函数尽可能拟合训练数据，确定函数的未知参数。尽可能拟合训练数据，一般是通过最小化MSE来进行： 所以得到的y本质上就是一个期望。根据上面的分析，我们可以得到一个结论，我们前面所有回归分析得到的函数，本质上就是一个条件期望函数，在x等于某个值的条件下，根据数据，求y的期望。分位数回归提
转载
2023-06-02 22:37:22
324阅读
