没有合适的资源?快使用搜索试试~ 我知道了~
带你入门常见的机器学习分类算法——逻辑回归、朴素贝叶斯、KNN、SVM、决策树.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 145 浏览量
2023-02-22
22:25:41
上传
评论
收藏 23KB DOCX 举报
温馨提示
试读
1页
.
资源推荐
资源详情
资源评论
带你入门常见的机器学习分类算法——逻辑回归、朴素贝叶斯、KNN、SVM、
决策树
【导读】众所周知,Scikit-learn(以前称为 scikits.learn)是一个用于 Python
编程语言的免费软件机器学习库。它具有各种分类,回归和聚类算法,包括支持向量机,
随机森林,梯度增强,k-means 和 DBSCAN,旨在与 Python 数值和科学库 NumPy 和 SciPy
互操作。本文将带你入门常见的机器学习分类算法——逻辑回归、朴素贝叶斯、 KNN、
SVM、决策树。
逻辑回归,尽管他的名字包含"回归",却是一个分类而不是回归的线性模型。逻辑回归在
文献中也称为 logit 回归,最大熵分类或者对数线性分类器。下面将先介绍一下 sklearn 中
逻辑回归的接口:
class sklearn.linear_model.LogisticRegression(penalty=l2, dual=False, tol=0.0001, C=1.0,
fit_intercept=True, intercept_scaling=1, class_weight=None, random_state=None, solver=warn,
max_iter=100, multi_class=warn, verbose=0, warm_start=False, n_jobs=None)
dual:这个参数仅适用于使用 liblinear 求解器的"l2"惩罚项。 一般当样本数大于特征数时,
这个参数置为 False。
C:正则化强度(较小的值表示更强的正则化),必须是正的浮点数。
solver: 参数求解器。一般的有{‘newton-cg’, ‘lbfgs’, ‘liblinear’, ‘sag’, ‘saga’}。
multi_class:多分类问题转化,如果使用"ovr",则是将多分类问题转换成多个二分类为题
看待;如果使用"multinomial",损失函数则会是整个概率分布的多项式拟合损失。
不常用的参数这里就不再介绍,想要了解细节介绍,可以sklearn 的官网查看。
案例:
这里我使用 sklearn 内置的数据集——iris 数据集,这是一个三分类的问题,下面我就使用
资源评论
xxpr_ybgg
- 粉丝: 6489
- 资源: 3万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功