0x00 内容 逻辑回归：损失函数、梯度、决策边界 实践：代码实现及sklearn逻辑回归 0x01 逻辑回归 逻辑回归（Logistic Regression，LR），LR...
发简信
IP属地：西藏
-
六：逻辑回归：损失函数、梯度、决策边界（20191209-20191215) -
机器学习系列(二十七)——决策边界与Logistic回归使用多项式特征
决策边界 由逻辑回归的原理知，对于我们求得的概率： 当时，，此时，即样本被分类为类别1，否则样本将被分类为类别0。而逻辑回归是基于线性回归的，这个影响分类结果的超平面就被称之...
-
R语言的ggplot2+ggforce包绘制散点图并添加分组边界之前的推文介绍过ggplot2绘图添加椭圆分组边界和圆形分组边界，借助的函数分别是 stat_ellipse() ggforce包里的geom_circle()函数 今天查找...
-
原子习惯 Atomic Habits这本书告诉我们微小的习惯对生活的巨大影响力 have a big impact on 你有多少种习惯，你可能需要一些时间去思考这个问题，从定义上来讲，习惯就是一种自发且不加思...
-
knn算法及实现
什么是KNN 在解释KNN之前，我先给大家举个例子：假如现在院子里分别在不同的栅栏里饲养了10只鸡，8条狗，5只猫，2头猪，这时候从外面又新买了一只鸭子，可是没多余的栅栏了，...
-
数据思维：操纵数据“操纵数据”是数据思维课的第四大部分内容，这个模块主要从 行动、可视化、识别陷阱三个方面进行讲解，具体如下： 1.行动：如何用数据指导决策? 2.可视化：如何塑造受众的感觉?...
-
人类自私的原因|读《自私的基因》
人类自私的原因|读《自私的基因》 文：Recycler 63/149.11428 每个人都这样的困扰，为什么有的人可以做到大公无私，但是有些人只能自私自利。就算是同一环境长大...
-
机器学习中四种调参方法总结机器学习中四种调参方法总结 来源 | AI公园 导读 ML工作流中最困难的部分之一是为模型找到最好的超参数。ML模型的性能与超参数直接相关。 介绍 维基百科上说，“Hyper...
-
理解L1，L2 范数在机器学习中应用理解L1，L2 范数 L1，L2 范数即 L1-norm 和 L2-norm，自然，有L1、L2便也有L0、L3等等。因为在机器学习领域，L1 和 L2 范数应用比较多，比如...
-
机器学习如何赚钱？- 垂直领域/横向领域应用的商业数据模型今天介绍从两个角度来介绍机器学习的商业领域的产品应用： - 横向领域：在不同类型的业务中执行的操作。即涉及营销的一切。 - 垂直领域：在企业内部或供应链或流程中所做的事情。 ...
-
一个在测序行业工作五年的生信人，目前专注单细胞行业发展
-
R-Markdown学习与使用简介 markdown是一种纯文本格式的标记语言，只需要简单的标记语言就可将文本格式的内容具有一定的格式。核心是将文字与排版分开，从而将注意力集中于文字本身。但其本质，M...
-
学Markdown看这一篇就够了：Markdown 教程
什么是 Markdown Markdown 是一种轻量级标记语言，它允许人们使用易读易写的纯文本格式编写文档。Markdown 编写的文档可以导出 HTML 、Word、图像...
-
少壮不努力，老大徒伤悲。——《长歌行》<br>A young idler, an old beggar.<br><br>蓦然回首，才读懂这句话的含义。<br>希望在未来回首的时候，能看到此时无悔的自己。<br>
-
MarkDown使用教程，MarkDown快速入门，手把手教你使用MarkDown（因为忘记，所以记录）首先提两个开始使用MarkDown时候自己的问题 1. 单个回车，视为空格，连续回车，才是分段。（简书做过处理，单个回车也会分段，一样的写法GitHub就会挤在一块） 2. ...
-
-
MarkDown模版 MarkDown语法，MarkDown编辑器模版
机器学习-机器视觉 学习心得 把本文全部复制到 编辑器中，即可开始编辑你的文章！本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦： M...
-
-
做一个有梦想的孩纸，相信自己一定可以。不成功便成仁。
-
yanxishe.com<br>专注AI开发者和学术青年求知求职。<br><br>没有人是一座孤岛，每个AI爱好者都可以在这里分享你的知识与成长。
