机器学习进阶第二节-回归实践

2125-于同学

发表文章数:45

热门标签

首页 » Python » 正文

MSE均方误差

TSS总平方和

RSS残差平方和 = SSE误差平方和

R2 = 1-RSS/TSS  R2越大拟合效果越好

ESS 可解释的平方和 回归平方和

TSS = ESS + RSS  只有在无偏估计时成立 否则 大于等于

LWR 局部加权线性回归

Logistic回归、sigmoid函数

求偏导是为了做梯度下降来进行参数优化

对数线性模型:一个时间的概率odds,是指该事件发生的概率与该事件不发生概率的比值

标签:

未经允许不得转载:作者:2125-于同学, 转载或复制请以 超链接形式 并注明出处 拜师资源博客
原文地址:《机器学习进阶第二节-回归实践》 发布于2021-10-13

分享到:
赞(0) 打赏

评论 抢沙发

评论前必须登录!

  注册



长按图片转发给朋友

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

Vieu3.3主题
专业打造轻量级个人企业风格博客主题!专注于前端开发,全站响应式布局自适应模板。

登录

忘记密码 ?

您也可以使用第三方帐号快捷登录

Q Q 登 录
微 博 登 录