注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 数据挖掘在投资中的应用（doc格式）

  2. 现有的各种预测方法，无论是分析师的研究还是常规的统计学和计量经济学模型都有其不足之处。分析师研究主观性强、工作量大；统计计量模型形式单一、可能存在过度拟合的缺点。针对这些不足之处，笔者采用数据挖掘方法进行弥补。本文首先采用Logistic回归，决策树和神经网络建立了广义线性和非线性预测模型，试图寻找未来具有较好的业绩和增长能力的上市公司，取得了较好的预测效果

  3. 所属分类：网络基础

    • 发布日期：2009-04-08
    • 文件大小：559104
    • 提供者：hjjjl

  1. 机器学习算法笔记

  2. 本文总结博客中关于机器学习十大算法的详细过程，进行汇总，包括广义线性模型、softmax 回归 、逻辑回归、梯度下降法、Logistic 回归与牛顿迭代法、两种梯度下降法、相对熵（KL 散度）、K-Means 聚类算法 、朴素贝叶斯分类、决策树之 ID3 算法 、决策树之 C4.5 算法、 决策树之 CART 算法、随机森林、K-D 树、KNN 算法、BFGS 算法、L-BFGS 算法、文本特征属性选择。 十九、矩阵求导解最小二乘问题 二十、局部加权回归 二十一、最小二乘的概率解释

  3. 所属分类：机器学习

    • 发布日期：2018-11-21
    • 文件大小：1048576
    • 提供者：u013940210

  1. Logistic回归.pdf

  2. logistic回归与多重线性回归实际上有很多相同之处，最大的区别就在于他们的因变量不同，其他的基本都差不多，正是因为如此，这两种回归可以归于同一个家族，即广义线性模型（generalized linear model）。这一家族中的模型形式基本上都差不多，不同的就是因变量不同，如果是连续的，就是多重线性回归，如果是二项分布，就是logistic回归，如果是poisson分布，就是poisson回归，如果是负二项分布，就是负二项回归，等等。只要注意区分它们的因变量就可以了。

  3. 所属分类：机器学习

    • 发布日期：2019-07-11
    • 文件大小：2097152
    • 提供者：qq_41483750

  1. 广义线性回归模型之0,1变量回归（logit/probit回归）—R语言实现

  2. 1、广义线性回归 广义线性模型有三个组成部分： (1) 随机部分, 即变量所属的指数族分布 族成员, 诸如正态分布, 二项分布, Poisson 分布等等. (2) 线性部分, 即 η = x⊤β. (3) 连接函数 g(µ) = η。 R 中的广义线性模型函数glm() 对指数族中某分布的默认连接函数 是其典则连接函数, 下表列出了 R 函数glm() 所用的某些指数族分布的 典则连接函数. 2、0-1因变量的回归模型 对于因变量为0,1变量的问题，可以考虑两种模型来解决 经过Probi

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：263168
    • 提供者：weixin_38721405

  1. 【Python算法】分类与预测——logistic回归分析

  2. 1.logistic回归定义 logistic回归是一种广义线性回归（generalized linear model），因此与多重线性回归分析有很多相同之处。它们的模型形式基本上相同，都具有 w‘x+b，其中w和b是待求参数，其区别在于他们的因变量不同，多重线性回归直接将w‘x+b作为因变量，即y =w‘x+b，而logistic回归则通过函数L将w‘x+b对应一个隐状态p，p =L(w‘x+b),然后根据p 与1-p的大小决定因变量的值。如果L是logistic函数，就是logistic回归

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：250880
    • 提供者：weixin_38592643