线性回归是通过一个或多个自变量与因变量之间进行建模的回归分析，其特点为一个或多个称为回归系数的模型参数的线性组合。如下图所示，样本点为历史数据，回归曲线要能最贴切的模拟样本点的趋势，将误差降到最小。...
在这篇文章中，我想展示一个有趣的结果：线性回归与无正则化的线性核ridge回归是等 价的。
所以综上所诉，用线性回归来用于分类问题通常不是一个好主意，并且线性回归的值会远远偏离0或1，这显示不太合理。
利用已知的样本点在图示的坐标轴上画出了绿色的曲线，表示源数据的大致分布状况。假设我们使用后面要学习的线性回归去解决样本点拟合问题， 比如用多项式表示线性回归模型：...
无监督数据挖掘算法和有监督数据挖掘算法的主要区别在于数据集的标签信息。有监督数据挖掘算法：1. 特点：有监督数据挖掘算法适用于已知数据集的输入和输出关系的情况。 2. 过程：算法通过已知的输入和输出数据，学习建立映...
前几天在Python白银交流群【小白python爱好者】问了一个Python数据处理的问题，一起来看看吧。
关于连续性变量最佳截断值的选择，之前介绍了survminer中的surv_cutpoint以及X-tile软件：
线性回归是一种统计学中的预测分析，该方法用于建立两种或两种以上变量间的关系模型。线性回归使用最佳的拟合直线（也称为回归线）在独立（输入）变量和因变量（输出）之间建立一种直观的关系。简单线性回归是输入变量和输出变量之...
