腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
企鹅号快讯
企鹅号技术类相关资讯
专栏作者
举报
3887
文章
4506474
阅读量
291
订阅数
订阅专栏
申请加入专栏
全部文章（999+）
人工智能（999+）
大数据（462）
机器学习（429）
区块链（344）
深度学习（338）
python（239）
神经网络（238）
安全（234）
其他（209）
网络安全（200）
微信（193）
数据库（189）
微信小程序音视频（150）
安全漏洞（119）
java（107）
编程算法（107）
自动驾驶（98）
游戏（81）
黑客（76）
无人驾驶（73）
数据处理（72）
物联网（67）
云数据库 SQL Server（63）
图像识别（60）
linux（56）
人脸识别（54）
爬虫（53）
ios（51）
小程序（51）
javascript（49）
css（49）
c++（46）
html（44）
图像处理（42）
机器人（42）
android（40）
https（39）
存储（37）
云计算（37）
比特币（36）
tensorflow（36）
开源（36）
数字货币（35）
php（34）
sql（34）
分布式（34）
网站（29）
c 语言（25）
github（22）
微信云支付（21）
运维（21）
react（20）
spark（20）
http（19）
自动化（19）
互联网金融（19）
企业（18）
html5（18）
数据分析（18）
api（17）
云+未来（17）
容器镜像服务（16）
微服务（16）
git（15）
数据可视化（15）
架构设计（15）
数据挖掘（14）
apache（14）
卷积神经网络（14）
iphone（13）
go（13）
jquery（13）
容器（13）
缓存（13）
hadoop（13）
云数据库 Redis（12）
NLP 服务（11）
spring（11）
mongodb（11）
强化学习（11）
kotlin（11）
ddos（11）
r 语言（10）
ide（10）
搜索引擎（10）
医疗（10）
系统架构（10）
编程（10）
bootstrap（9）
ajax（9）
ubuntu（9）
shell（9）
决策树（9）
windows（9）
数据结构（9）
nginx（8）
金融（8）
webpack（8）
opencv（8）
keras（8）
node.js（7）
xml（7）
云直播（7）
访问管理（7）
电商（7）
工业物联（7）
kubernetes（7）
seo（7）
程序员（7）
mac os（6）
c#（6）
bash（6）
.net（6）
json（6）
渲染（6）
面向对象编程（6）
jdbc（6）
虚拟化（6）
vue.js（5）
汇编语言（5）
oracle（5）
django（5）
腾讯云测试服务（5）
出行（5）
devops（5）
正则表达式（5）
线性回归（5）
cdn（5）
scrapy（5）
网站建设（5）
it（5）
数据万象（4）
语音识别（4）
ruby（4）
jsp（4）
unix（4）
混合云解决方案（4）
ssh（4）
wordpress（4）
dns（4）
unity（4）
npm（4）
selenium（4）
socket编程（4）
google（4）
费用中心（3）
angularjs（3）
qt（3）
mvc（3）
eclipse（3）
svg（3）
互联网医疗（3）
hive（3）
numpy（3）
zookeeper（3）
自动化测试（3）
pytorch（3）
tcp/ip（3）
flash（3）
敏捷开发（3）
anaconda（3）
fpga（3）
hbase（3）
sdn（3）
负载均衡（2）
官方文档（2）
actionscript（2）
硬件开发（2）
postgresql（2）
tomcat（2）
maven（2）
bash 指令（2）
o2o（2）
智慧零售（2）
数据安全（2）
数据迁移（2）
mybatis（2）
sql server（2）
spring boot（2）
监督学习（2）
jenkins（2）
迁移学习（2）
haskell（2）
webgl（2）
canvas（2）
腾讯云开发者社区（2）
kafka（2）
汽车（2）
app（2）
dom（2）
facebook（2）
ode（2）
vr（2）
web（2）
互联网（2）
计算机（2）
科技（2）
云服务器（1）
云点播（1）
cocos2d（1）
perl（1）
servlet（1）
asp.net（1）
jquery ui（1）
highcharts（1）
typescript（1）
ecmascript（1）
webview（1）
单片机（1）
arm（1）
嵌入式（1）
symfony（1）
composer（1）
nosql（1）
access（1）
ruby on rails（1）
打包（1）
matlab（1）
中文分词（1）
lucene/solr（1）
负载均衡缓存（1）
apt-get（1）
thinkphp（1）
批量计算（1）
文件存储（1）
实时音视频（1）
短视频（1）
消息队列 CMQ 版（1）
人脸核身（1）
语音合成（1）
知识图谱（1）
腾讯移动推送（1）
es 2（1）
数字营销（1）
智慧物流（1）
智能硬件（1）
eslint（1）
express（1）
serverless（1）
jvm（1）
openstack（1）
ftp（1）
dubbo（1）
udp（1）
kernel（1）
iis（1）
scikit-learn（1）
kvm（1）
powershell（1）
sas（1）
nat（1）
信息流（1）
智能教育（1）
5g（1）
学习方法（1）
流计算 Oceanus（1）
智能推荐平台（1）
智能客服机器人（1）
amazon（1）
amd（1）
azure（1）
bug（1）
chromium（1）
document（1）
for循环（1）
global（1）
gpu（1）
intel（1）
ip（1）
lan（1）
lint（1）
load（1）
meta（1）
min（1）
null（1）
nvidia（1）
onload（1）
ps（1）
scale（1）
scrum（1）
shift（1）
system（1）
telnet（1）
time（1）
twitter（1）
ui（1）
viewport（1）
width（1）
youtube（1）
编程思想（1）
编码（1）
测试开发（1）
产品（1）
创业（1）
行业（1）
技巧（1）
计算机网络（1）
流量（1）
面试（1）
全栈（1）
设计（1）
实践（1）
数据中心（1）
腾讯（1）
拖拽（1）
微信支付（1）
研发（1）
优化（1）
原型（1）
搜索文章
搜索
搜索
关闭
机器学习一元线性回归和多元线性回归
人工智能
机器学习
线性回归
1.什么是线性方程？ 从数学上讲我们有一元线性方程和多元线性方程，如下： y = aX + b y = b0 + b1X1 + b2X2 + b3X3 + ... + bnXn + e 2.什么是回归？ 回归的目的是预测数值型的目标值。最直接的办法是依据输入写出一个目标值的计算公式。假如你想预测小何先生一个月的存款，可能会这么计算： 总工资 = a* 五险一金和公积金 + b*房租和水电费 + c*日常消费 + d*存款 这就是所谓的回归方程（regression equation），其中的a,b
企鹅号小编
2018-01-11
1.3K
0
梯度下降法的三种形式BGD、SGD以及MBGD
机器学习
线性回归
在应用机器学习算法时，我们通常采用梯度下降法来对采用的算法进行训练。其实，常用的梯度下降法还具体包含有三种不同的形式，它们也各自有着不同的优缺点。 下面我们以线性回归算法来对三种梯度下降法进行比较。 一般线性回归函数的假设函数为： hθ=∑j=nθjxj 对应的能量函数（损失函数）形式为： Jtrain(θ)=1/(2m)∑i=1m(hθ(x(i))−y(i))2 下图为一个二维参数（θ和θ1）组对应能量函数的可视化图： 📷 1. 批量梯度下降法BGD 批量梯度下降法（Batch Gradient Desc
企鹅号小编
2018-02-06
766
0
使用机器学习预测天气
人工智能
机器学习
深度学习
python
线性回归
神经网络
作者：笨熊 本章是使用机器学习预测天气系列教程的第一部分，使用Python和机器学习来构建模型，根据从Weather Underground收集的数据来预测天气温度。该教程将由三个不同的部分组成，涵盖的主题是： 数据收集和处理（本文） 线性回归模型（第2章） 神经网络模型（第3章） 本教程中使用的数据将从Weather Underground的免费层API服务中收集。我将使用python的requests库来调用API，得到从2015年起Lincoln, Nebraska的天气数据。 一旦收集完成，数据将需
企鹅号小编
2018-02-06
2K
0
逻辑回归模型及Python实现
python
线性回归
1.模型 在分类问题中，比如判断邮件是否为垃圾邮件，判断肿瘤是否为阳性，目标变量是离散的，只有两种取值，通常会编码为0和1。假设我们有一个特征X，画出散点图，结果如下所示。这时候如果我们用线性回归去拟合一条直线：hθ(X) = θ+θ1X，若Y≥0.5则判断为1，否则为0。这样我们也可以构建出一个模型去进行分类，但是会存在很多的缺点，比如稳健性差、准确率低。而逻辑回归对于这样的问题会更加合适。 📷 逻辑回归假设函数如下，它对θTX作了一个函数g变换，映射至0到1的范围之内，而函数g称为sigmoid fun
企鹅号小编
2018-02-26
1.3K
0
《教育统计与SPSS应用》学习笔记（8）
线性回归
第8讲 回归分析 主要内容 回归分析简介 一元线性回归分析 多元线性回归分析 第一部分 回归分析简介 一、回归分析的意义 表示变量之间的不确定性关系以及关系的密切程度，统计学上可以用相关关系来表达。但对于不确定性关系的变量，如何通过自变量的值去估计和预测变量的发展变化，相关系数却无能为力。这就需要引进一种新方法：回归分析。 如果把其中的一个或一些因素作为自变量，而另一些随自变量的变化而变化的变量作为因变量，研究它们之间的非确定性因果关系，看自变量对因变量是否有显著的预测作用，这种分析就称为回归分析
企鹅号小编
2018-02-27
857
0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天，分 10000 元奖品池！
立即发文
Python精品学习库
代码在线跑，知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客，速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档