检索结果共
个
1
1.1
人工智能简介（2学时）
2
2.1
朴素贝叶斯（4学时）
2.2
KNN算法（4学时）
2.3
K-Means算法（4学时）
2.4
回归（4学时）
2.4.1
回归的概念
2.4.2
一元线性回归
2.4.3
多元线性回归
2.4.4
逻辑回归
2.4.5
安斯库姆四重奏
2.4.6
实践1：线性回归-波士顿房价预测
2.4.7
实践2：使用逻辑回归进行鸢尾花品种分类
2.4.8
上课视频：回归
2.4.9
上课视频：回归案例分析
友情提示：同学您好，此页面仅供预览，在此页面学习不会被统计哦！ 请进入学习空间后选择课程学习。
1. 回归的策略就是跳过逻辑分析，让计算机直接从数据中学习数量关系；
2. 最早由英国生物统计学家高尔顿和他的学生皮尔逊在研究父母和子女的身高遗传特性提出的；
3. 在一个回归模型中我们需要关注 a)因变量（响应变量或结果变量）；b)自变量（解释变量或预测变量）；c)回归模型，即寻找一个函数f，建立输入变量x到输出变量y的映射关系y=f(x)。
4.常用的回归模型有
a) 线性回归：一元线性回归、岭回归(L2范数)和LASSO(Least absolute shrinkage and selection operator)(L1范数)等；
b) 非线性回归：样条回归、逻辑回归和径向基函数等