今天云朵君将和大家一起学习回归算法的基础知识。并取一个样本数据集，进行探索性数据分析(EDA)并使用 statsmodels.api、statsmodels.formula.api 和 scikit-learn 实现 简单线性回归(SLR)。...
在许多机器学习相关的书里，很难找到关于特征选择的内容，因为特征选择要解决的问题往往被视为机器学习的一个子模块，一般不会单独拿出来讨论。...
线性模型的建模为了提高模型的泛化能力，一般会进行正则化处理，也就是在损失函数的构造上加上正则化项，如L1正则化项或者L2正则化项，L1正则化也就是常说的Lasso回归，将损失函数加上了L1范数，L2正则化就是Ridge回归，损失函数加...
https://github.com/MLEveryday/100-Days-Of-ML-Code
使用工具:python、pandas、numpy、matplotlib、seaborn、sklearn库
matplotlib是python最常见的绘图包，强大之处不言而喻。然而在数据科学领域，可视化库-Seaborn也是重量级的存在。
在讨论逻辑**回归问题 (Logistic Regression) 之前，我们先讨论一些实际生活中的情况：判断一封电子邮件是否是垃圾邮件？判断一次交易是否是欺诈交易？判断一份文件是否是有效文件？这类问题，我们称之为分类问题 (Classication ...
如果直接使用线性回归的MSE会让逻辑回归的代价函数变成非凸函数，这样就会导致有非常多的局部最优值，导致梯度下降法失效。所以引入了交叉熵损失函数来替代线性回归的MSE(均方误差)...
MSE直接应用到LR中会导致损失函数变成非凸函数，所以我们加入log让损失函数变成了凸函数
机器学习算法尝试根据训练数据（training data）使得表示算法行为的数学目标最大化，并以此来进行预测或作出决定。
