1回答
我有一个简单的keras模型(普通的Lasso线性模型)，其中输入被移动到单个‘神经元’Dense(1, kernel_regularizer=l1(fdr))(input_layer)，但是这个模型的权重从来没有精确地设置为零。我觉得这很有趣，因为scikit-learn的Lasso可以将系数精确设置为零。我已经检查了这个，但这并没有解释为什么sklearn可以将值精确设置为零，更不用说它们的模型如何在我的服务器上聚合到大约500 my了，而Keras中的相同模型需要2.4秒和早期终止。
这都
浏览 2提问于2018-03-16得票数 2
回答已采纳
我一直在看Apache Spark MLlib的文档，似乎找不到使用普通最小二乘(OLS)的线性回归。我只看到进行线性回归的随机梯度下降(SGD)方法的基于数值的算法的示例。我需要闭合形式的OLS线性回归方法，而不是SGD。
我很惊讶在这里找到OLS回归是多么困难，因为OLS回归是最基本的线性回归方法之一。
浏览 72提问于2016-03-02得票数 1
回答已采纳
我想要与火花mllib支持的ml算法列表，不支持与mahout和ml算法列表，与mahout支持和不支持与spark mllib谢谢。
浏览 1提问于2016-10-19得票数 0
2回答
在机器学习回归问题中，为什么计算导数函数的局部最小值而不是实际函数的局部最小值？示例：f(x)=x^4−3x^3+2, ----(A)f'(x)=4x^3−9x^2.----(B)
这里，为了用梯度下降算法求函数(A)的局部最小值，他们使用了(A)的导函数，即函数(B)。
浏览 1提问于2013-02-12得票数 3
回答已采纳
1回答
Bayes错误率是一个理论界，它确定了一个分类问题的最小可能错误率，给出了一些数据。我在想，对于回归算法，是否存在一个等价的概念。我的目标是确定我的回归算法的误差离这个理论界限有多远，以此来评估我离最佳可能的解决方案有多远。是否有任何方法可以获得给定数据集的最低回归误差的界？
浏览 0提问于2015-07-06得票数 7
回答已采纳
我在想，如果我能像弱学习者一样在梯度提升中使用多项式回归，但我读到决策树是用来做这个的，我找不到其他弱学习者可以使用的可能性的东西。
浏览 0提问于2020-05-26得票数 2
是否有任何方法可以针对特定的度量来使用内置的tensorflow优化器进行优化？如果没有，如何做到这一点？就像。如果我只想把重点放在最大化分类器的F-得分上，那么在tensorflow中是否可以这样做？ feature_columns=feature_cols, model_dir=output_dir, learning_rate=t
浏览 0提问于2018-09-17得票数 5
回答已采纳
在发现可以应用于数据集的目标值(y列)的许多转换(如box变换)之后，我了解到，为了提高效率，需要用正态分布的目标值训练线性回归模型()。
我想知道是否也适用于非线性回归算法。我试着做了一些研究，我在第11页的Andrew的课堂讲稿()中发现，许多算法使用的最小二乘代价函数是通过假设误差的正态分布导出的。我认为，如果错误应该是正态分布的，那么目标值也应该是。如果这是正确的，那么所有使用最小二乘代价函数的回归算法都应该在正态分布目标值下更好地工作。由于x
浏览 2提问于2016-07-22得票数 2
回答已采纳
我正在创建一个程序来比较音频文件，它使用的算法类似于这里描述的算法。我正在绘制两首歌之间的匹配时间比较，并找到最小二乘的线条为情节。href=是匹配文件的示例图。图太乱，即使图中有明显的直线，最小二乘回归线也不会产生高的相关系数。我还能用什么算法来识别这条线呢？
浏览 14提问于2013-11-30得票数 6
回答已采纳
1回答
多项式回归的分批梯度下降
、、、
我创建了一个简单的八度测试脚本，它允许我在二维空间中可视化地设置点，然后启动梯度dsecent算法，看看它是如何逐渐接近最佳匹配的。不幸的是，它并不像简单的单变量线性回归那样有效:我得到的结果(当我得到它们时)与我所期望的多边形不一致！*theta(4), "r-");
plot(1:iter, J);
我不断地得到错误的结果，即使看起来J被正确地最小化了。
浏览 1提问于2014-07-10得票数 3
2回答
问题是，我们如何在每次迭代中改变抛物线，使其最小化成本函数。我们知道抛物线可以在不同的旋转中，它的原点可能在搜索区域中不同。请注意，拟合的抛物线应该通过两个给定点(例如下面图中的白色方块)。问题是我们如何在最小的迭代中达到目标(不是测试所有的可能性，即搜索区域中的所有角度和所有位置)。任何想法都将受到感谢。
浏览 5提问于2013-03-04得票数 0
1回答
所以我用y= mx+b从头到尾写了线性回归，并运行了50个历次的算法，以最小化成本，得到最佳的参数。
当我使用Scikit学习，我只是调用线性回归方法和拟合数据集，然后开始预测。这不仅适用于线性回归，也适用于一般的其他ML方法。
浏览 0提问于2018-03-13得票数 0
1回答
我有一个回归问题，大约有一百万行，大约有10-15个特性.在这种特殊的环境下，什么应该更好地发挥作用？神经网络还是规则回归？
浏览 0提问于2019-05-21得票数 0
回答已采纳
1)双变量多项式回归。(线性/ OSL)和2)二次模型a_x^2+b_x+c。
我的问题是，我可以使用二次模型ax^2+bx+c进行非线性回归使用levenberg。因为我已经实现了
浏览 1提问于2017-04-13得票数 0
1回答
所使用的算法被称为迭代重加权最小二乘(IRLS)，这是一个相当有文献记载的算法。对于每次迭代，都会调用一个Fortran函数来求解加权最小二乘问题。例如，从最终用户的角度来看，对于逻辑回归，R中的调用如下所示：x <- rnorm(100)
glm(y~x, family=binomial)$coefficients
浏览 2提问于2010-06-25得票数 2
回答已采纳
1回答
Response Time')最新情况：plot(x(:,2), x*theta, '-')更新2：
这与线性回归模型有何关系
浏览 3提问于2015-07-18得票数 3
回答已采纳
1回答
像神经网络这样的算法很容易陷入局部极小，因为损失函数的形状(例如动量等参数是用来解决这类问题的)。Logistic回归将始终找到全局最小值，因为日志丢失是一个凸函数(如果我在这里遗漏了什么，请随时纠正我)。然后，我想知道其他算法，如RandomForest，GradientBoostTree，或支持向量机，哪一个会面临陷入局部最小值的问题，哪一个不会呢？为什么？谢谢!
浏览 0提问于2018-06-06得票数 5
1回答
我希望利用一个随机森林回归在Go使用高尔夫存储库()。据我所知，高尔夫只支持随机森林分类器，它用类和概率()进行预测。是否有一种简单的方法来利用分类器的预测概率，并使用它来形成标量预测(相当于回归者的预测)？
提前感谢！
浏览 3提问于2020-03-25得票数 0
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
腾讯云开发者
