首页
题库
公司真题
专项练习
面试题库
在线编程
面试
面试经验
AI 模拟面试
简历
求职
学习
基础学习课
实战项目课
求职辅导课
专栏&文章
竞赛
我要招人
发布职位
发布职位、邀约牛人
更多企业解决方案
AI面试、笔试、校招、雇品
HR免费试用AI面试
最新面试提效必备
登录
/
注册
小水滴真的是太可爱了吧
获赞
576
粉丝
398
关注
33
看过 TA
292
女
门头沟学院
2021
产品经理
IP属地:上海
暂未填写个人简介
私信
关注
拉黑
举报
举报
确定要拉黑小水滴真的是太可爱了吧吗?
发布(971)
评论
刷题
收藏
小水滴真的是太可爱了吧
关注TA,不错过内容更新
关注
2020-09-22 19:45
门头沟学院 产品经理
线性回归的常用求解方法之梯度下降法(一):梯度下降法求最小值,看不懂你打我
文章目录 梯度下降 什么是梯度下降 案例 梯度下降 什么是梯度下降 梯度其实就是斜度,就是一个曲面沿着指定方向的倾斜程度。 梯度下降法的基本思想可以类比为一个下山的过程。 假设这样一个场景:一个人被困在山上,需要从山上下来(i.e. 找到山的最低点,也就是山谷)。那么如何快速的下山?寻找这个位置最陡峭的地方,然后朝着山的高度下降的地方走,对于计算机来说就是没走一段重新寻找坡度最陡峭的地方。 梯度下降的基本过程就和下山的场景很类似。 首先,我们有一个可微分的函数。这个函数就代表着一座山。 我们的目标就是找到这个函数的最小值,也就是山底。 根据之前的场景假设,最快的下山的方式就是找到...
0
点赞
评论
收藏
分享
2020-09-22 19:45
门头沟学院 产品经理
线性回归的常用求解方法之梯度下降法(二):Python封装梯度下降线性回归
import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.linear_model import SGDRegressor iris = load_iris().data #特征必须是二维的 feature = iris[:,2].reshape(-1,1) #目标值可以是一维度 labels = iris[:,-1] X_train,X_...
0
点赞
评论
收藏
分享
2020-09-22 19:44
已编辑
门头沟学院 产品经理
LeetCode力扣刷题数据库(184):部门工资最高的员工
题目 Employee 表包含所有员工信息,每个员工有其对应的 Id, salary 和 department Id。 Department 表包含公司所有部门的信息。 编写一个 SQL 查询,找出每个部门工资最高的员工。例如,根据上述给定的表格,Max 在 IT 部门有最高工资,Henry 在 Sales 部门有最高工资。 分析 -- 查看员工表 SELECT * FROM employee; -- 查看部门表 SELECT * FROM department; -- 每个部门的最大薪水 SELECT DepartmentId, MAX( Salary ) FROM Emplo...
0
点赞
评论
收藏
分享
2020-09-22 19:44
已编辑
门头沟学院 产品经理
机器学习案例(二):波士顿房价预测——基于正规方程优化及梯度下降优化(附源码)
波士顿房价预测——基于正规方程优化及梯度下降优化 数据代码下载地址 项目链接+源代码:https://github.com/w1449550206/Boston-house-price-forecast.git 文章目录 波士顿房价预测——基于正规方程优化及梯度下降优化 数据代码下载地址 数据介绍 1 分析 2 回归性能评估 详细步骤 【正规方程优化的线性回归】 1.获取数据 load_boston 2.数据基本处理 划分数据集和测试集 3.特征工程 标准化 4.机器学习 线性回归(正规方程优化的,梯度下降优化的) 4.1创建模型 实例化估计器 4.2训练模型 fit 正规方程...
0
点赞
评论
收藏
分享
2020-09-22 19:44
已编辑
门头沟学院 产品经理
机器学习线性回归(六):线性回归从入门到精通——正规方程优化和梯度下降法优化
文章目录 线性回归简介 线性回归应用场景 什么是线性回归 定义与公式 线性回归的特征与目标的关系分析 线性回归api初步使用 线性回归API 举例 步骤分析 代码过程 数学:求导 常见函数的导数 导数的四则运算 练习 3.1 y = x^3-2x^2+sinx,求f`(x) 3.2 y=ln(sinx), 求dy/dx 矩阵(向量)求导 [了解] 线性回归的损失和优化 损失函数 优化算法 正规方程 什么是正规方程 正规方程求解举例 正规方程的推导 线性回归简介 线性回归应用场景 房价预测 销售额度预测 贷款额度预测 举例...
0
点赞
评论
收藏
分享
2020-09-22 19:43
已编辑
门头沟学院 产品经理
梯度下降法算法总结
文章目录 梯度下降(Gradient Descent) 什么是梯度下降 梯度的概念 梯度下降举例 梯度下降**(**Gradient Descent)公式 **优化动态图演示** 梯度下降法介绍 1 全梯度下降算法(FG) 2 随机梯度下降算法(SG) 3 小批量梯度下降算法(mini-bantch) 4 随机平均梯度下降算法(SAG) 5 算法比较 6 梯度下降优化算法(拓展) 梯度下降(Gradient Descent) 什么是梯度下降 梯度下降法的基本思想可以类比为一个下山的过程。 假设这样一个场景:一个人被困在山上,需要从山上下来(i.e. 找到山的...
0
点赞
评论
收藏
分享
2020-09-22 19:43
门头沟学院 产品经理
机器学习——线性回归的API速查手册(详细版)
线性回归api再介绍 sklearn.linear_model.LinearRegression(fit_intercept=True) 通过正规方程优化 fit_intercept:是否计算偏置 LinearRegression.coef_:回归系数 LinearRegression.intercept_:偏置 sklearn.linear_model.SGDRegressor(loss=“squared_loss”, fit_intercept=True, learning_rate =‘invscaling’, eta0=0.01) SGDRegressor类实现了随机梯度下降学...
0
点赞
评论
收藏
分享
2020-09-22 19:42
已编辑
门头沟学院 产品经理
机器学习时模型不够复杂——欠拟合,模型过于复杂——过拟合
文章目录 欠拟合与过拟合 1.定义 2.原因以及解决办法 (1)欠拟合 1.欠拟合原因 2.欠拟合解决办法 (2)过拟合 1.过拟合原因 2.过拟合解决办法 欠拟合与过拟合 1.定义 过拟合:训练集的误差小,但测试集的误差大 一个假设在训练数据上能够获得比其他假设更好的拟合, 但是在测试数据集上却不能很好地拟合数据,此时认为这个假设出现了过拟合的现象。(模型过于复杂) 欠拟合:模型很简单的时候,两个误差都比较差 一个假设在训练数据上不能获得更好的拟合,并且在测试数据集上也不能很好地拟合数据,此时认为这个假设出现了欠拟合的现象。(模型过于简单) 随着模型复...
0
点赞
评论
收藏
分享
2020-09-22 19:42
门头沟学院 产品经理
机器学习时不知道建立多复杂的模型怎么办?——正则化
文章目录 正则化 1.什么是正则化 2.正则化类别 **具体如何正则化线性模型?请看接下来的“正则化系列”的博客。** 正则化 1.什么是正则化 不知道建立模型的时候建立到多复杂才合适怎么办?那么我们先做到模型足够复杂! 足够的复杂之后,会有一个冗余的复杂度,容易过拟合。 因此,我们可以通过正则化的方法,将冗余的复杂度降低。 思路:剔除高次项的,将高次项的系数变成0或者趋近于0。 在解决回归过拟合中,我们选择正则化。但是对于其他机器学习算法如分类算法来说也会出现这样的问题,除了一些算法本身作用之外(决策树、神经网络),我们更多的也是去自己做特征选择,包括之前说的删除、合并一些特征。...
0
点赞
评论
收藏
分享
2020-09-22 19:42
已编辑
门头沟学院 产品经理
你知道机器学习中的维灾难吗?——一个有趣的猫狗分类案例帮你理解
维灾难 1.什么是维灾难 特征数量比较少的时候,越多特征,分类器性能越好 到达某点之后,分类器性能逐渐下降 随着维度的增加,分类器性能逐步上升,到达某点之后,其性能便逐渐下降 有一系列的图片,每张图片的内容可能是猫也可能是狗;我们需要构造一个分类器能够对猫、狗自动的分类。首先,要寻找到一些能够描述猫和狗的特征,这样我们的分类算法就可以利用这些特征去识别物体。猫和狗的皮毛颜色可能是一个很好的特征,考虑到红绿蓝构成图像的三基色,因此用图片三基色各自的平均值称得上方便直观。这样就有了一个简单的Fisher分类器: If 0.5*red + 0.3*green + 0.2*blue > 0.6...
0
点赞
评论
收藏
分享
2020-09-22 19:41
门头沟学院 产品经理
避免线性回归的过拟合(一):正则化线性模型3个(岭回归+Lasso回归+弹性网络)
正则化线性模型 文章目录 正则化线性模型 1.Ridge Regression (岭回归,又名 Tikhonov regularization) 2.Lasso回归 3.弹性网络 4.Early Stopping 1.Ridge Regression (岭回归,又名 Tikhonov regularization) 线性回归+L2正则 具体的损失函数 目标函数 = 损失函数+正则项 岭回归是线性回归的正则化版本,即在原来的线性回归的 cost function 中添加正则项(regularization term): 以达到在拟合数据的同时,使模型权重尽可能小的目的,岭回归代...
0
点赞
评论
收藏
分享
2020-09-22 19:41
已编辑
门头沟学院 产品经理
避免线性回归的过拟合(二):线性回归的改进——岭回归(附波士顿房价预测案例源代码)
线性回归的改进-岭回归 文章源代码下载地址:波士顿房价岭回归正则化预测代码实现 文章目录 线性回归的改进-岭回归 1.API 2.观察正则化程度的变化,对结果的影响? 3.波士顿房价正则化预测代码 4.结果 1.API sklearn.linear_model.Ridge(alpha=1.0, fit_intercept=True,solver=“auto”, normalize=False) 具有l2正则化的线性回归 alpha:正则化力度,也叫 λ λ取值:0~1 1~10 solver:会根据数据自动选择优化方法 sag:如果数据集、特征都比较大,选择该随机梯度...
0
点赞
评论
收藏
分享
2020-09-22 19:40
已编辑
门头沟学院 产品经理
机器学习线性回归(七):sklearn之模型保存和加载(附房价预测案例源代码)
模型的保存和加载 文章源代码下载地址:波士顿房价岭回归正则化预测代码实现 文章目录 模型的保存和加载 1.sklearn模型的保存和加载API 2.线性回归的模型保存加载案例 2.1保存模型 2.2加载模型 2.3结果 1.sklearn模型的保存和加载API from sklearn.externals import joblib - 保存:joblib.dump(estimator, 'test.pkl') - 加载:estimator = joblib.load('test.pkl') 注意:保存的后缀名是.pkl 2.线性回归的模型保存加载案例 注意: 要保...
0
点赞
评论
收藏
分享
2020-09-22 19:40
已编辑
门头沟学院 产品经理
机器学习——模型的评估方法速查手册(RMSE+RSE+MAE+RAE+R^2)
模型评估 文章目录 模型评估 学习目标 1 分类模型评估 2 回归模型评估 均方根误差(Root Mean Squared Error,RMSE) 相对平方误差(Relative Squared Error,RSE) 平均绝对误差(Mean Absolute Error,MAE) 相对绝对误差(Relative Absolute Error,RAE) 决定系数 (Coefficient of Determination) 3 拟合 训练数据训练的很好啊,误差也不大,为什么在测试集上面有问题呢? 3.1 欠拟合 3.2 过拟合 4 小结 学习目标...
0
点赞
评论
收藏
分享
2020-09-22 19:40
已编辑
门头沟学院 产品经理
机器学习——Azure机器学习模型在线搭建实验原理+详细操作步骤+分析(以UCI数据库的数据为例)
Azure机器学习模型搭建实验 本文数据及文档地址:https://github.com/w1449550206/Azure-machine-learning-model-building-experiment.git 文章目录 Azure机器学习模型搭建实验 机器学习工作流程总结 登录方法 Azure平台简介 Azure机器学习实验 详细操作步骤 Azure机器学习实验 一、项目背景 【项目简介】 【项目涉及知识点】 二、项目基本需求及目的 【项目需求】 【项目目的】 三、项目准备工作 【项目平台】 四、项目实现步骤 4.1 数据集简介及准备 ...
0
点赞
评论
收藏
分享
1
35
36
37
38
39
65
创作者周榜
更多
关注他的用户也关注了:
牛客网
牛客网在线编程
牛客网题解
牛客企业服务