衡量線性回歸演算法的指標：
1.均方誤差 mse
但是有的時候y的量綱會給問題解決帶來麻煩，因為這個式子獲得的是y的平方。此時考慮另乙個評估標準：均方根誤差。
2.均方根誤差（rmse）
這個結果的量綱和y的量綱一樣。均方根誤差和均方誤差差異不大，對於量綱敏感型的問題可以採用均方根誤差。
3.平均絕對誤差（mae）
使用波士頓房產資料進行演示：
首先引入房產資料：
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
boston = datasets.load_boston()
boston.feature_names
接下來使用rm也就是房屋數量資料。
x = boston.data[:,5] #只取房間數量這個特徵
此時發現接近上邊沿有一系列點，這些點的值可能遠遠大於50，但是被限制到了50。可以把這部分資料去掉。
此時已經去掉了上面的那一部分點了。
※ 注意y_predict的訓練。
從0開始的機器學習 knn演算法篇（2）
scikit learn中的knn演算法 from sklearn.neighbors import kneighborsclassfier kneighborsclassifier裡面包含了封裝好的knn演算法 sklearn裡面的所有演算法都是以物件導向的形式封裝的，所以使用時候需要先建立乙個物...
機器學習 從0開始
by 香蕉麥樂迪 機器學習簡介 機器學習是許多演算法的統稱，其中包含最近幾年火熱的深度學習，還包括許多適用於各種不同場景的其他機器學習演算法 邏輯斯特回歸，svm，knn，adaboost，em，kmeans等等 這些演算法從誕生到現在都有了幾十年的歷史 深度學習指的是深度神經網路，其中用於處理影象...
gluon學習系列1 線性回歸 從0開始1
錯誤修正前 from mxnet import ndarray from mxnet import autograd import matplotlib.pyplot as plt true w 2,5 true b 1.5 num batch 1000 x ndarray.random norma...