机器学习之逻辑回归、KNN理论与代码实践

ncu_jjq 2023-01-12 15:00:50

课程名称	适应人群
机器学习之逻辑回归、KNN理论与代码实践	对机器学习感兴趣的人，想深入了解算法内部运行原理的人

详细讲解逻辑回归的数学推导过程，能够使用原生代码完成逻辑回归代码的编写。详细讲解K近邻算法的原理及原生代码的实现过程。能够调用sklearn库完成逻辑回归与KNN代码的编写。能够完成对鸢尾花数据集分类，能够完成手写数字识别案例。

...全文

1182 1 打赏收藏转发到动态举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

Yn312 06-20

打赏
举报

回复

老师你knn原生代码没讲完啊就跳了

机器学习之逻辑回归、KNN理论与代码实践干过开发，做到资深Java软件开发...

逻辑回归 逻辑回归是在分类问题中预测离散的值。假说表示 逻辑回归模型的假设是： ℎ

目录必看前言逻辑回归算法1 概述2 基本原理3 sklearn实现3.1 导入数据(乳腺癌数据集)3.2 建模3.3 绘制学习曲线3.4 网格搜索-确定最优参数结束语必看前言这一篇文章，我会详细从机器学习的角度介绍逻辑回归，以及如何利用Python来实现逻辑回归以及逻辑回归的实战模拟，另外我也会教大家如何利用网格搜索找到最优参数。干货满满！ 逻辑回归算法 1 概述分类技术是机器学习和数据挖掘应用中的重要组成部分。在数据科学中，绝大多数的问题属于分类问题。解决分类的算法也有很多种。如：KNN，使距

在机器学习领域，有一些基础且重要的算法，它们是深入学习更复杂模型的基石。本教程将系统地讲解线性回归、逻辑回归、K 近邻（KNN）和 K 均值聚类（K-means）这四种基础算法，包括它们的核心原理、应用场景、实现过程，并通过对比分析帮助读者建立起对这些算法的清晰认知框架。为了更好地理解这些算法，我们会以鸢尾花数据集（用于分类）和房价预测（用于回归）等经典案例为背景进行详细说明。

1.KNN 查找距离已知的几个点最近的类型，并返回这个类型进行预测。如小明在北京，小红在北京，小刚在河南，而我距离小明和小红比小刚近，则我最可能在北京而不是河南 #!/usr/bin/env python # -*- coding: utf-8 -*- # @File : KNN近邻算法.py # @Author: 赵路仓 # @Date : 2020/4/2 # @Desc ...

纪佳琪的课程社区_NO_1

1

社区成员

170

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章