佛山地区个人网页设计服务的费用是多少？

佛山网站优化多少钱,网页设计个人网站设计,广州建设集团股份有限公司,中小企业网站该怎么做上一节介绍了如何审查分类算法#xff0c;并介绍了六种不同的分类算法#xff0c;还 用同一个数据集按照相同的方式对它们做了审查#xff0c;本章将用相同的方式对回归算法进行审查。 在本节将学到#xff1a; 如何审查机器学习的回归算法。如何审查四种线性分类算法。如… 上一节介绍了如何审查分类算法并介绍了六种不同的分类算法还 用同一个数据集按照相同的方式对它们做了审查本章将用相同的方式对回归算法进行审查。 在本节将学到 如何审查机器学习的回归算法。如何审查四种线性分类算法。如何审查三种非线性分类算法。 算法概述 本章将审查七种回归算法。首先介绍四种线性算法 线性回归算法。岭回归算法脊回归算法。套索回归算法。弹性网络Elastic Net回归算法。 然后介绍三种非线性算法 K近邻算法KNN。分类与回归树算法。支持向量机SVM。 本章将使用波士顿房价的数据集来审查回归算法采用10折交叉验证来分离数据并应用到所有的算法上。另外还会通过均方误差来评估算法模型。scikit-learn 中的cross_val_score函数能够帮助评估算法模型我们就用这个函数来评估算法模型。 线性算法分析 首先介绍scikit-learn中用来处理机器学习中的回归问题的四种算法。 线性回归算法 线性回归算法是利用数理统计中的回归分析来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运用十分广泛。其表达式为yw’xee表示误差服从均值为 0 的正态分布。在回归分析中只包括一个自变量和一个因变量且二者的关系可用一条直线近似表示这种回归分析称为一元线性回归分析。 如果回归分析中包括两个或两个以上的自变量且因变量和自变量之间是线性关系则称为多元线性回归分析。 在scikit-learn中实现线性回归算法的是LinearRegression类。 代码如下 数据集下载地址 import pandas as pd from sklearn.linear_model import LinearRegressionfrom sklearn.model_selection import KFold, cross_val_score#数据预处理 path D:\down\\BostonHousing.csv data pd.read_csv(path)array data.valuesX array[:, 0:13] Y array[:, 13]n_splits 10seed 7kflod KFold(n_splitsn_splits, random_stateseed, shuffleTrue) # model LinearRegression()scoring neg_mean_squared_errorresults cross_val_score(model, X, Y, cvkflod, scoringscoring)print(LinearRegression MSE: %.3f (%.3f) % (results.mean(), results.std())) 运行结果 LinearRegression MSE: -23.747 (11.143)岭回归算法 岭回归算法是一种专门用于共线性数据分析的有偏估计回归方法实际上是一种改良的最小二乘估计法通过放弃最小二乘法的无偏性以损 失部分信息、降低精度为代价获得回归系数更符合实际、更可靠的回归方法对病态数据的拟合要强于最小二乘法。在scikit-learn中实现岭回归算法的是Ridge类。