sklearn.linear_model 第2页

线性回归:Sklearn与Excel（sklearn线性回归模型）

大约13年前，DavidCournapeau的Scikitlearn作为GoogleSummerofCode项目的一部分开始。随着时间的推移，Scikitlearn成为Python中最著名的机器学习库之一。它提供了几种分类、回归和聚类算法，在我看来，它的关键优势是与Numpy、Panda...

sklearn常用的API参数:sklearn.linear_model.LinearRegression

python学习教程：sklearn常用的API参数解析：sklearn.linear_model.LinearRegressionsklearn.linear_model.LinearRegression调用...

降维——数据科学家的必由之路

本文作为数据科学博客马拉松的一部分发表。https://datahack.analyticsvidhya.com/contest/data-science-blogathon-7/...

通过正则化和随机森林来选择特征

一、为什么要做特征选择？如果一个模型在训练数据上的表现比在测试数据上要好很多，这就表示这个模型过拟合了。过拟合是指模型的参数对于训练数据的特定观测值拟合的非常接近，而训练数据的分布于真实数据的分布并不一致，所以模型具有较高的方差。产生过拟合的原因是因为，对于训练数据集上的模型过于复杂，通常我们可以通...

线性回归的原理和使用方法

原理:线性回归是一种简单而广泛使用的监督学习算法,用于建模因变量y和一个或多个自变量x之间的线性关系。其目标是找到一条最佳拟合线,使得预测值与实际值之间的残差平方和最小化。...

线性回归模型

线性回归：在统计学中，回归分析指的是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。按照自变量和因变量之间的关系类型，可以分位线性回归分析和非线性回归分析。...

线性代数投影法在线性回归中的应用

线性回归是一种流行的监督机器学习技术。当关系本身不完善时，需要确定因变量(也称为目标变量)和一个或多个自变量(也称为预测变量)之间的关系。最小二乘近似方法可用于确定线性回归系数。线性代数用投影很优雅地解决了这个问题。让我们深入研究线性代数如何解决这个问题估计的多元线性回归方程可以写成...

用这两种方法向最终用户解释NLP模型的工作原理还是不错的

点击上方关注，AllinAI中国上周，我看了一个关于“NLP的实践特性工程”的演讲。主要是关于LIME和SHAP在文本分类可解释性方面是如何工作的。我决定写一篇关于它们的文章，因为它们很有趣、易于使用，而且视觉上很吸引人。...

用于可解释机器学习的 Python 库

字幕组双语原文：用于可解释机器学习的Python库英语原文：PythonLibrariesforInterpretableMachineLearning翻译：雷锋字幕组（ZeroJ）由于对人工智能偏见的担心日益凸显，从业者解释模型产出的预测结果的能力以及解释模型自身运作机制的能力变的越...

独家 时间信息编码为机器学习模型特征的三种方法(附链接)

作者：ErykLewinson翻译：张睿毅校对：张睿毅本文约4200字，建议阅读10分钟本文我们主要使用非常知名的Python包，以及依赖于一个相对不为人知的scikit-lego包。...