1.逻辑回归代码实现我们在线性回归的基础上，修改得到逻辑回归。主要内容为：定义sigmoid方法，使用sigmoid方法生成逻辑回归模型定义损失函数，并使用梯度下降法得到参数将参数代入到逻辑回归模型中，得到概率将概率转化为分类import numpy as np
# 因为逻辑回归是分类问题，因此需要对评价指标进行更改
from metrics import accuracy_score
clas
转载
2024-03-18 09:16:15
23阅读
本系列文章将梳理人工智能中广泛用到的若干算法。通过这些介绍，读者可以更清晰地理解诸多人工智能框架，帮助大家更准确地选择人工智能框架，更有效地开发出自己期望的人工智能应用。逻辑回归 Logistic Regression介绍顾名思义，Logistic Regression是一种回归算法，但是也可以用作归类算法。其实Logistic Regression (又被称作Logit Regression)
文章目录1.逻辑回归的介绍1.1 简介1.2 逻辑回归的应用场景1.3逻辑回归的原理1.4 输入1.5 激活函数2.损失与优化2.1 损失2.2 优化3.逻辑回归api介绍4. 案例：癌症分类预测-良／恶性乳腺癌肿瘤预测5.分类评估方法5.1 精确率与召回率5.1.1 混淆矩阵5.1.2 精确率(Precision)与召回率(Recall)5.2 F1-score5.3 分类评估报告api5.4
通过生成人工数据集合，基于TensorFlow实现y=3.1234*x+2.98线性回归。通过上传附件方式提交 notebook文件（.ipynb） 评分标准：1、生成 x_data，值为 [0, 100]之间500个等差数列数据集合作为样本特征，根据目标线性方程 y=3.1234*x+2.98，生成相应的标签集合 y_data，1分；（思路：通过线性变换将[0,100]之间的数转换为区间[-1,
人工智能是一个很广阔的领域，很多编程语言都可以用于人工智能开发，所以很难说人工智能必须用哪一种语言来开发。选择多也意味着会有优劣之分，并不是每种编程语言都能够为开发人员节省时间及精力。所以我们整理了5种比较适用于人工智能开发的编程语言，希望能够对你有所帮助。 ▲图片来源于网络 Python Python由于简单易用，是人工智能领域中使用最广泛的编程语言之一，它可以无缝地与数据结构和其
转载
2023-08-21 12:03:10
243阅读
55 个项目案例，60+个算法模型！ 10 个企业级项目快速实战入门 阶段概述： 本阶段讲解，人工智能的应用，人工智能的工作流程、基本概念，人工智能的任务和本质， KNN 最近邻算法 达成目标： 通过本阶段学习，快速理解人工智能能做什么，要做什么，并掌握 KNN 算法以及算法的代 码实现。 1. 人工智能概念与本质 1) 人工智能应用 2) 人工智能流程与本质 3) 人工智能流程对比
1 概述1.1 定义人工智能（AI）模型评估是一个关键的过程，用于确定模型在特定任务上的性能和有效性。这个过程涉及使用各种技术和指标来衡量模型的准确度、可靠性、泛化能力以及其他重要特性。在不同的应用场景中，模型评估的具体细节和重点可能会有所不同，但总体目标是确保模型能够满足预定的标准和实际需求。1.2 重要性模型评估在机器学习和人工智能领域扮演着至关重要的角色。模型评估是确保机器学习模型在实际应用
来源：mush博客虽然人工智能和机器学习为企业改善运营和最大化收入提供了充足的可能性，但没有“免费午餐”。在 “没有免费的午餐”问题是古老的“没有一个放之四海而皆准的所有”问题的AI / ML行业适应。企业面临的一系列问题是巨大的，用于解决这些问题的ML模型的种类非常广泛，因为有些算法在处理某些类型的问题方面比其他算法更好。如上所述，人们需要清楚地了解每种类型的ML模型的优点
文章目录1.人工智能、机器学习、深度学习的关系1.1 **机器学习**1.2 **深度学习**：是机器学习的其中一种方法，主要原理是**神经网络**1.3 **人工智能与机器学习、深度学习之间的区别**2.机器学习基本概念3.线性回归3.1 线性回归模型3.1.1 一元线性回归（单个特征）3.1.2 多元线性模型（多个特征）3.2 损失函数3.3 求解方式3.3.1 最小二乘法(least squ
现在，交给这个 AI 吧！GitHub 于今天重磅宣布，其与 OpenAI 联合构建的 AI 自动编程工具 Copilot 正式发布，现以每月 10 美元（人民币约 67 元）或每年 100 美元（人民币约 669 元）的价格出售，并提供 60 天的免费试用期。不过值得注意的是，收费群体也是有限制的，其中通过身份验证的学生和热门开源项目维护者可以免费使用。图源GitHub官网一整年的酝酿与等待Gi
转载
2023-08-10 15:07:22
192阅读
反演问题是由结果及某些原理出发去确定表征问题特征的参数。目前的人工智能也是有大量数据及假设的模型，通过各种优化算法确定模型的参数，基于反演出的模型进行预测，因此，人工智能就是反演问题。基于大量数据，人工智能可以反推出这是什么（静态对象），这是在干什么（动态过程）等。反演问题是地球物理、建筑等领域的常用的称呼，这种问题普遍存在。涉及到演绎和观测问题。在数学和物理学领域，反演问题称为反问题；在统计学中
逻辑回归是一个非常经典的算法，其中也包含了非常多的细节，曾看到一句话：如果面试官问你熟悉哪个机器学习模型，可以说 SVM，但千万别说 LR，因为细节真的太多了。秉持着精益求精的工匠精神不断对笔记进行修改和改进，本着开源精神帮助大家一起学习。Logistic Regression 虽然被称为回归，但其实际上是分类模型，并常用于二分类。Logistic Regression 因其简单、可并行化、可解释
原创
2022-03-01 15:16:54
115阅读
2.6 api介绍【**】 1.梯度下降法 sklearn.linear_model.SGDRegressor(loss="squared_loss", fit_interce
原创
2022-10-14 11:28:03
33阅读
第七周 统计机器学习算法应用回归与分类的区别:线性回归难以刻画数据的复杂分布，所以有了非线性回归模型——逻辑斯蒂模型logistic回归和分类的统一：是否能用回归模型完成分类任务逻辑回归模型=回归模型+sigmoid函数sigmoid函数性质良好概率输出，值域[0,1]数据特征加权累加非线性变化yx为正例的概率1-yx为负例的概率p/(1-p)几率（x作为正例的相对可能性）log(p/(1-p))
文章目录1.线性回归的简介1.1 定义1.2 线性回归的应用场景1.3 线性模型理解使用线性回归的API解决上边的期末成绩案例线性回归API解决的数据代码实现2.线性回归的损失与优化2.1 损失函数2.2 优化方法3.scikit里边的线性回归api具体介绍4. 案例：波士顿放假预测4.1 分析4.2 回归性能评估4.3 代码1.使用标准的线性回归方法预测2.使用梯度下降法来预测5.欠拟合和过拟
转载
2024-03-28 15:22:43
111阅读
逻辑回归前言建议先了解线性回归，本文记录自己学习过程，不涉及具体理论过程导包import numpy as np
import matplotlib.pyplot as plt获取数据 数据是网上找的，下载链接，点我 就是100条数据，属性：坐标x, 坐标y, 类别filePath = 'dataSet.txt' # 路径自己改
data = [line.strip() for line in o
转载
2024-02-19 22:39:41
8阅读
1、scikit-learn:可以做的事情 （1）分类（Classification） （2）回归（Regression）预测一个连续的值 例： 股票价值预测 （3）无监督机器学习 聚类（Clustering） 根据集合相似性自动分组 例： 客户分隔 （4）降维（Dimensionality Reduction）减少考虑因素，增加计算效率 例：特征选择，矩阵分解 （5）模型选择（Mode...
原创
2021-11-12 17:27:15
205阅读
从 0 实现一个人工智能算法这段时间读了一本有意思的书，《深度学习的数学》。这是一本能把复杂的事情讲简单的好书。对于深度学习这样的东西，它讲解到什么程度呢？一本薄薄的小开本，从牛顿求根公式，到高维空间的梯度下降，再用 Excel 实现深度学习和卷积神经网络。对，用 Excel 实现深度学习。并且给出了如何在 Excel 中实现误差反向传播，从而用简单的技术工具展示了这个算法的原理。这本书很适合作为
转载
2023-08-19 14:05:33
80阅读
用Java开源项目JOONE实现人工智能编程(2)
2008-06-30 16:09
文/朱先忠编译
训练神经网络 为实现本文的目的，我们将指导JOONE去识别一个很简单的模式。在这种模式中，我们将考察一个二进制的布尔操作，例如XOR。这个XOR操作的真值表列举如下： X Y
转载
2023-07-07 19:47:59
110阅读
上节课，我们学习了用ml5来进行 Feature Extractor 特征提取、训练和分类 。这节课，我们要来用一个有趣的例子来学习ml5的regression回归的用法。 回归是想得到一个线性的答案，比如预测房价，识别物体在图片中的位置，回归的答案是一个连续的值。而分类是想得到一个离散的值，比如我们想分辨一张图片中的水果是苹果还是梨，虽然分类结果会给一个0-1的confidence值，但是我们想
转载
2024-01-29 06:37:17
38阅读
