Comments (33)
from 100-days-of-ml-code.
那我就试试2、3线性回归?是直接update文本文档呢?还是update成和英文版一样的图片?
from 100-days-of-ml-code.
from 100-days-of-ml-code.
@goelo 都是在学习的过程。
@Aaaaaaada 看你怎么方便吧,最好做成原版一样的图片。
from 100-days-of-ml-code.
2我翻好了
from 100-days-of-ml-code.
我现在认领个7吧
from 100-days-of-ml-code.
ok,效率太高了。图片都用什么编辑的?我用ps觉得文字背景不好改。
from 100-days-of-ml-code.
PS还行吧 我觉得先把文本打出来 翻译好 PS用背景橡皮檫 接下来的工作就好做了
from 100-days-of-ml-code.
那我在试一下12和23
from 100-days-of-ml-code.
@wengJJ 要不你来做一下day 23决策树?我在翻译day 12。
from 100-days-of-ml-code.
@wengJJ 已经领了个7了,没看到,sorry
from 100-days-of-ml-code.
@Aaaaaaada day3:多元线性回归
@goelo day4:逻辑回归
@wengJJ day7:kNN
我 day12:支持向量机,day23:决策树
分配完了。
from 100-days-of-ml-code.
from 100-days-of-ml-code.
@heliuphy 要不你做day23:决策树。这样一人一个了。
from 100-days-of-ml-code.
from 100-days-of-ml-code.
全部分完,issue关闭
@Aaaaaaada day3:多元线性回归
@goelo day4:逻辑回归
@wengJJ day7:kNN
我 day12:支持向量机
@heliuphy day23:决策树
from 100-days-of-ml-code.
from 100-days-of-ml-code.
来晚了,需要翻译文本内容(day8,9 etc.)的人手吗😂
from 100-days-of-ml-code.
@Aaaaaaada 同学你翻译完3没,我刚刚看见,不过已经翻译好了,图还没有做,发给你供作参考哈。
多元线性回归
多元线性回归,即试图通过建立两个或多个特征与一个反馈之间的线性关系来观察数据。实现多元线性回归的步骤与简单线性回归几乎相同。
假设
一个成功的回归分析,应该可以验证以下假设:
1、 线性。自变量与因变量之间的关系应该是线性的。
2、 同方差性(常量方差/随机误差项有相同的方差
3、 多元常态。多元回归假设残差为正态分布
4、 缺乏多重共线性。这里假设数据间没有或极少有多重共线性。多重共线性是指特征(自变量)之间并不相互独立。
虚拟变量
在多元回归中使用分类数据是将非数字型的数据纳入回归模型的一种有效方法。
分类数据是指表示类型的数据,这种数据的值固定且无序,例如性别(男/女)
在一个回归模型中,这些值用虚拟变量表示。分类数据包含诸如0或1 的数值,代表分类数值的存在或不存在。
注意
过多变量可能使我们的模型降低准确度,尤其是当模型包含了与结果无关的变量,或者包含了会对其他变量造成影响的变量。这里有多重原则适当变量的方法:
1、前向选择
2、后退梯度
3、双向比较
虚拟变量陷阱
虚拟变量陷阱是两个或多个变量高度相关的情景。
简单来说,就是可以从某些变量当中预测出另一个变量。很明显,这里产生了一个重复类别。举例来说,如果减去男性类别,那么它可以通过女性类别来定义。(女性类别中,0代表男性,1代表女性)
解决虚拟变量陷阱的方法是减去一个类别变量。 如果有m种类别,则使用m-1个虚拟变量,而省去的值可以看做是参考值
from 100-days-of-ml-code.
from 100-days-of-ml-code.
from 100-days-of-ml-code.
from 100-days-of-ml-code.
没事哈 一起学习~ 我也是新手
from 100-days-of-ml-code.
各位老哥,如果不会PS,有没有什么别的办法。翻译完了,但是这个修图难倒我了。。。
from 100-days-of-ml-code.
@goelo 我来帮你吧 你把文本发我 我明天一起来搞
from 100-days-of-ml-code.
from 100-days-of-ml-code.
哈哈 行行行
from 100-days-of-ml-code.
我的PS用的还行,需要P图的话可以找我~
from 100-days-of-ml-code.
from 100-days-of-ml-code.
from 100-days-of-ml-code.
@zhyongquan 老哥,能否给个权限提交?
from 100-days-of-ml-code.
@goelo 可以fork到你的仓储,然后用pull request
from 100-days-of-ml-code.
from 100-days-of-ml-code.
Related Issues (20)
- 100-ML Day1 的程式碼跑不動, 因為sklearn的版本問題, 請問有人能協助更新嗎? HOT 3
- 机器学习1000天 HOT 6
- Machine learning HOT 4
- 第三天 HOT 3
- Jupyter notebook is better than pycharm for this project? and are there resources for non-chinese people to follow this project? HOT 11
- Day 1_Data_Preprocessing python版本适配问题 HOT 5
- 弱问,为什么最后只到54天? HOT 2
- 有没有人遇到notebook打开的时候有如下错误? HOT 1
- Error : when open Day 25_Decision_Tree HOT 3
- 建议Code文件夹里面不同的Day放在不同的文件夹里面 HOT 1
- 使用商用字体 HOT 1
- QQ群 HOT 3
- 请问本项目中的长图是怎么排版的呀 HOT 1
- Where's the day4 code? HOT 2
- support python 3 ? HOT 2
- 推荐一个微信小程序可以方便查看该项目 HOT 10
- day1:非数值型缺失值填充 HOT 2
- english translation Issue( 英文翻译时) HOT 2
- Day3 onehotencoder失效 HOT 2
- 请教:Info-graphs中的Day4 逻辑回归 插图,如何绘制?恳请指点
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.
from 100-days-of-ml-code.