Python机器学习——线性模型
生活随笔
收集整理的這篇文章主要介紹了
Python机器学习——线性模型
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
最近斷斷續續地在接觸一些python的東西。按照我的習慣,首先從應用層面搞起,盡快入門,后續再細化一 些技術細節。找了一些資料,基本語法和數據結構搞定之后,目光便轉到了scikit-learn這個包。這個包是基于scipy的統計學習包。里面所涵蓋 的算法接口非常全面。更令人振奮的是,其用戶手冊寫得非常好。然而,其被墻了(或者沒有,或者有時被墻有時又好了)。筆者不會翻墻(請嘲笑吧),筆者只有 找代理,筆者要忍受各種彈窗。因此筆者決定,做一個記錄,把這用戶手冊的內容多多少少搬一點到我的博客中來。以備查詢方便。因此,筆者就動手了。
聲明:如何安裝python及其IDE,相關模塊等等不在本系列博客的范圍。本博客僅試圖記錄可能會用到的代碼實例。
1.廣義線性模型
這里的“廣義線性模型”,是指線性模型及其簡單的推廣,包括嶺回歸,lasso,LAR,logistic回歸,感知器等等。下面將介紹這些模型的基本想法,以及如何用python實現。
1.1.普通的最小二乘
由LinearRegression 函數實現。最小二乘法的缺點是依賴于自變量的相關性,當出現復共線性時,設計陣會接近奇異,因此由最小二乘方法得到的結果就非常敏感,如果隨機誤差出現什么波動,最小二乘估計也可能出現較大的變化。而當數據是由非設計的試驗獲得的時候,復共線性出現的可能性非常大。
from sklearn import linear_model clf = linear_model.LinearRegression() clf.fit ([[0,0],[1,1],[2,2]],[0,1,2]總結
以上是生活随笔為你收集整理的Python机器学习——线性模型的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 基于MATLAB的dijkstra算法及
- 下一篇: 【机器学习算法-python实现】扫黄神