回歸，指研究一組隨機變數(y1 ，y2 ，…，yi)和另一組(x1，x2，…，xk)變數之間關係的統計分析方法，回歸通常是對真實關係的一種逼近**，一般決定係數r平方來評估模型的好壞
拿最簡單的二分類，非此即彼，也就是給事物打上乙個標籤，是就是，不是就不是，沒有近似的概念
正規方程
損失函式
協方差今天第一天啊，啥玩意啊，剩下來的後面再說吧
為了統一比較的標準，保證結果的可靠性，我們在分析資料之前 ,需要對原始變數進行一定的處理 ，即資料的標準化處理，將原始資料轉化為無量綱、無數量級差異的標準化數值,消除不同指標之間因屬性不同而帶來的影響,從而使結果更具有可比性。
#sklearn
#numpy，這哥們寫的不少，富強果然不靠matlab
機器學習 分類與回歸
連續變數 定性輸出稱為分類，或者說是 離散變數 回歸問題通常是用來 乙個值 如 房價 未來的天氣情況等等，例如乙個產品的實際 為500元，通過回歸分析 值為499元，我們認為這是乙個比較好的回歸分析。乙個比較常見的回歸演算法是線性回歸演算法 lr 另外，回歸分析用在神經網路上，其最上層是不需要加上s...
機器學習 K NN分類 回歸
k近鄰 從字面上理解，就是 近朱者赤，近墨者黑。和誰離得近和誰歸為一類。1 演算法原理 1 計算測試資料與各個訓練資料之間的距離，方法 閔可夫斯基距離 2 按照距離的遞增順序排序 3 選取距離最小的k個點 4 確定前k個點所在類別的出現頻率 即為各個類別出現次數 5 返回前k個點所在類別的出現頻率，...
機器學習 分類和回歸
1.機器學習的主要任務 一是將例項資料劃分到合適的分類中，即分類問題。而是是回歸，它主要用於 數值型資料，典型的回歸例子 資料擬合曲線。2.監督學習和無監督學習 分類和回歸屬於監督學習，之所以稱之為監督學習，是因為這類演算法必須直到 什麼，即目標變數的分類資訊。對於無監督學習，此時資料沒有類別資訊，...