逻辑回归机器学习？
逻辑回归是一种常用的机器学习算法，用于解决分类问题。它是一种监督学习方法，通过对已知数据进行学习，建立一个逻辑回归模型，然后利用该模型对未知数据进行分类预测。
逻辑回归的分类结果是离散的，通常为二分类（0或1），但也可以扩展到多分类问题。它基于线性回归模型，通过使用逻辑函数（如sigmoid函数）将线性回归的结果映射到[0,1]之间，从而实现分类。
逻辑回归的优势在于：
- 简单而高效：逻辑回归算法计算速度快，模型简单易于理解和实现。
- 可解释性强：逻辑回归模型的结果可以解释为概率，可以理解为某个样本属于某个类别的概率。
- 可以处理线性可分和线性不可分问题：逻辑回归可以通过引入多项式特征或者使用核函数来处理线性不可分问题。
逻辑回归在实际应用中有广泛的应用场景，包括但不限于：
- 金融风控：逻辑回归可以用于信用评分、欺诈检测等金融风控场景。
- 医学诊断：逻辑回归可以用于疾病诊断、药物反应预测等医学领域。
- 用户行为分析：逻辑回归可以用于用户购买行为预测、用户流失预测等。
- 自然语言处理：逻辑回归可以用于文本分类、情感分析等自然语言处理任务。
腾讯云提供了多个与机器学习相关的产品和服务，其中包括：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）：提供了丰富的机器学习算法和模型训练、部署的功能，可以支持逻辑回归等算法的应用。
- 腾讯云智能图像分析（https://cloud.tencent.com/product/tii）：提供了图像分类、标签识别等功能，可以应用于逻辑回归相关的图像分类任务。
- 腾讯云智能语音识别（https://cloud.tencent.com/product/asr）：提供了语音识别和语音转写的功能，可以应用于逻辑回归相关的语音处理任务。
以上是关于逻辑回归机器学习的概念、分类、优势、应用场景以及腾讯云相关产品的介绍。
相关·内容
1回答
我是机器学习领域的初学者，我想学习如何使用梯度增强树(GBT)进行多类分类。我读过一些关于GBT的文章，但是关于回归问题，我找不到关于GBT多类分类的正确解释。我也检查GBT在科学知识-学习图书馆机器学习。GBT的实现是利用回归树作为弱学习者进行多类分类的GradientBoostingClassifier。
GB以提前阶段的方式建立了一个加性模型；它允许对任意可微损失函数进行优化。在每个阶段，n_classes_回归树都适用于二项或多项偏差损失函数的负梯度。二进制分类是一种特殊情况，其中只有一个回归树是归纳出来的。
来源：
问题是，为什么我们用回归树来学习GBT而不是分类树呢？如果有
浏览 0提问于2018-04-25得票数 0
回答已采纳
1回答
如果我有预测变量，它是连续变量和范畴变量的混合物，而响应变量是连续的。
我应该采用什么方法？线性回归、logistic回归或k均值聚类。
例如,
反应变量:疾病发生概率(连续)预测变量:食物摄入量(分类)，年龄(连续)，运动频率(连续)
因此，基于3种机器学习模型的最佳方法是什么？
浏览 0提问于2021-09-26得票数 1
我正在研究机器学习算法的时间复杂性，我无法找到用于预测新输入的Logistic回归的时间复杂性。我读过，对于分类是O(c*d) c-是类数，d是维数，我知道对于线性回归，搜索/预测时间复杂度是O(d)。你能解释一下Logistic回归的搜索/预测时间复杂度是什么吗？提前谢谢你
其他机器学习问题的示例：
浏览 2提问于2019-01-17得票数 10
回答已采纳
1回答
假设我有一个逻辑回归的实现。是否有固定的示例(例如测试和训练集以及预期的错误)可以用来评估我的实现的性能是否如预期的那样？
如果能知道社区是如何看待单元测试机器学习的--回归，分类，无监督的方法，那就太好了。
浏览 2提问于2015-08-28得票数 0
1回答
如果我们所说的机器学习( Machine，ML )是指任何从数据学习()中学习的程序，那么，是的，回归可以说是ML的一部分。但是机器学习还有其他几个方面，如：解决方案是在某些性能度量的基础上迭代改进的。对于线性回归，有一个直接公式形式的封闭形式的解，用它可以确定所有的参数，并且不涉及迭代。但是，还有其他版本的回归参数估计，它使用梯度下降，它涉及多个迭代。这是否意味着这一迭代版本的回归参数估计是强有力的，将回归置于机器学习的保护伞之下？或者迭代版本有一些直接公式没有提供的优点？
浏览 2提问于2019-10-14得票数 0
回答已采纳
1回答
嗨，我是线性回归的新手。我想知道
机器学习线性回归中b/w梯度下降和均方误差的差异是什么？
和
机器学习在线性回归中何时使用梯度下降和均方误差？或者什么时候在线性回归中使用哪一种算法？
有人能解释一下吗？
浏览 0提问于2018-10-04得票数 1
2回答
我正在寻找一个工具框架，让我实现线性和逻辑回归。我还想添加正则化，并使用梯度下降来调整参数。
有没有什么框架或工具可以让我这样做呢？
我想基本上实践这两个机器学习模型。
浏览 0提问于2012-10-12得票数 2
回答已采纳
2回答
我要参加安德鲁·吴的课程--机器学习。他提到，与训练神经网络相比，训练具有多项式特征的logistic回归模型对于某些任务来说是非常昂贵的。那是为什么呢？我的意思是，当我们谈论神经网络时，我们通常看到的是一个参数非常多的模型，那么，为什么逻辑回归在计算上会更昂贵呢？
PS:下面是一些上下文(在关于神经网络的练习开始时)：
在本练习的前一部分中，您实现了多类逻辑回归来识别手写数字。然而，logistic回归不能形成更复杂的假设，因为它只是一个线性分类器(可以在logistic回归中添加更多的特征，例如多项式特征，但这可能会非常昂贵)。
浏览 0提问于2019-08-22得票数 0
回答已采纳
1回答
AR模型、MA模型、GARCH模型和VAR模型是自回归预测的标准模型。
支持向量回归(SVR)、随机林、boosting和and是典型的机器学习算法。
这些预测在时间序列上有多好？他们中有谁能够利用历史滞后作为输入功能来预测未来超过1天的预测水平？有什么资料可以为机器学习者应用自回归提供理论依据吗？如果任务是时间序列的自回归预测，那么评估它们的样本外性能，引导聚合还是交叉验证更合适？
浏览 0提问于2020-04-15得票数 1
2回答
我正在研究机器学习中的“逻辑回归”这一主题，我可以理解整个概念，即它试图最大化实例属于特定类标签的可能性
如果运行多次，该算法会找到分隔实例的权重向量，然后不断增加权重向量的大小。我不明白为什么它要尝试增加权重向量的大小。
任何帮助都是非常感谢的！
浏览 2提问于2015-02-26得票数 1
在我的机器学习课上，我们学习了在使用许多机器学习模型来解释偏差时，如何将1添加到每个样本的特征向量中。例如，如果我们正在进行线性回归，并且样本具有f_1，f_2，...，f_d特征，我们需要添加一个“伪”特征值1，以允许回归函数不必通过原点。
当使用sklearn模型时，你需要自己做这件事，还是他们的实现为你做呢？具体来说，我感兴趣的是，在使用他们的任何回归模型或SVM模型时，这是否是必要的。
浏览 0提问于2016-05-10得票数 0
1回答
我有一个关于机器学习的分类和回归问题。第一个问题，以下数据集
我们可以说，数据集是线性可分的吗？为了将线性模型应用于类化，此数据集不需要对输入空间进行转换，还是无法对此数据集进行转换？我的回答是否定的，但我不确定第二个，我不确定对数据集是否可能进行转换。
关于回归问题的第二个问题:给出以下数据集f:r -> R
我们可以说:回归的线性模型可以用来学习与这个数据集相关的函数吗？给定这个数据集，不可能确定线性模型的最优拥塞？
我正在读汤姆米切尔机器学习，模式识别和机器学习主教的书，但我仍然很难给出正确的答案。提前谢谢。
浏览 0提问于2014-12-11得票数 0
回答已采纳
1回答
我正在研究一个基本的机器学习问题，试图根据电池充电的时间来预测电池的续航时间。上面是我的原始数据图。我已经编写了使用Logistic回归计算成本函数和梯度下降步骤的代码。现在我需要为我的解决方案绘制一个决策边界。我如何在Octave中做到这一点？
浏览 1提问于2014-01-03得票数 1
sklearn的LogisticRegression分类器和它的SGDClassifier有什么区别？我知道SGD是一种优化方法，而Logistic回归(LR)是一种机器学习算法/模型。我也知道SGDClassifier是一个线性分类器，它是由SGD优化的(根据这个答案：根据这个答案，但是下面这两个模型有什么不同呢？)
SGDClassifier(loss='log')和LogisticRegression(solver='sag')？
浏览 0提问于2022-11-24得票数 0
回答已采纳
3回答
我在这里学习机器学习，这门课使用的是regression 中的'scikit learning‘。
我可以看到，对于一些训练回归算法，作者使用了特征缩放，而对于某些回归算法，他没有使用特征缩放，因为一些“scikit学习”回归算法会自己处理特征缩放。
如何知道我们需要在哪种训练算法中进行特征缩放，以及我们不需要在哪里进行？
浏览 2提问于2018-08-03得票数 0
描述梯度增强机器或神经网络等算法的机器学习文本经常评论说这些模型擅长预测，但这是以失去可解释性或可解释性为代价的。相反，单决策树和经典回归模型被标记为善于解释，但与更复杂的模型(如随机森林或支持向量机)相比，预测精度(相对)较差。是否有普遍接受的机器学习模型代表两者之间的良好权衡？是否有任何文献列举了算法的特点，使它们可以解释？(这个问题以前是在交叉验证时提出的)
浏览 0提问于2016-05-22得票数 9
回答已采纳
1回答
几周后，我将开始一项新的工作，将涉及机器学习和数据科学。
我有一个概率/数学硕士学位，但我没有机器学习和数据科学知识。
是否有任何在线资源，如课程或书籍，可以帮助我准备我的新工作？基本上我只是想在我的新工作上占个先机。
现在，我唯一真正知道的是回归方法，如线性回归和logistic回归，而且我对数学概念有很好的掌握，所以我更喜欢那些不完全被淹没的东西。
浏览 0提问于2015-11-21得票数 7
在这里学习一些新的东西，所以我希望社区能帮上忙。我主要是一个红宝石人，但试图过渡到python，以便我可以处理机器学习与tensorflow。我很难用我收集到的住房数据来获得这个逻辑回归脚本。
与数据的链接：
logistic回归脚本：
脚本输出：
这个错误是有点明显的，因为它是说有不相容的形状。这很可能是因为我正在对城市名称进行编码，添加了额外的列。然而，我似乎想不出一种方法来拟合这些数据，这样我就可以用平方尺来预测房价，并将其全部绘制出来。最后，我希望能够绘制这些数据，这样你就可以比较平方英尺的价格，并按城市进行排序。
浏览 1提问于2017-01-29得票数 1
回答已采纳
我是机器学习的新手，我想开始做基本的回归分析。我看到了科学学习提供了一个简单的方法来做到这一点。但是为什么人们用tensorflow来代替回归呢？谢谢!
浏览 2提问于2019-08-28得票数 0
回答已采纳
1回答
我是机器学习的新手，但我在python方面有很好的经验。我面临一个问题:在当前的环境和物理条件下，我需要找到一个机器学习模型来很好地预测一艘船的速度。我已经研究过Scikit--学习，Pytorch和Tensorflow，但是我很难找到我应该使用哪种类型的模型的信息。我几乎可以肯定，线性回归模型对这项任务是无用的。我被告知，非参数回归模型将是理想的，但我找不到许多在Scikit图书馆。我应该尝试使用回归模型，还是应该更多地研究神经网络？我愿意接受任何建议，谢谢。
浏览 3提问于2022-06-07得票数 0
谢谢你在这方面的帮助。
这感觉像是一个愚蠢的问题，我可能把事情搞得过于复杂了。一些背景信息-我最近刚刚学习了Python中的一些机器学习方法(scikit和一些统计模型)，例如线性回归，逻辑回归，KNN等。我可以在pandas数据框中准备数据，将分类数据转换为0和1。我也可以将这些加载到模型中(例如，scikit learn中的逻辑回归)。我知道如何训练和测试它(使用CV等)，以及一些微调方法(gridscore等)。但这一切都在根据新数据预测结果的范围内。我主要专注于学习建立一个模型来预测新的X值，并测试该模型以确认准确性/精确度。
然而，现在我在识别和执行其他类型的问题时遇到了困难，比如回
浏览 4提问于2017-05-18得票数 0
1回答
多输出回归
、、、
在过去的几周里，我一直在关注多输出回归。我正在与科学学习包一起工作。我的机器学习问题有三个特性的输入，需要预测两个输出变量。sklearn软件包中的一些ML模型支持多输出回归。如果模型不支持这一点，可以使用sklearn多输出回归算法对其进行转换。类适合每个目标的一个回归器。
多输出回归器类或支持的多输出回归算法是否考虑到了输入变量的潜在关系？
应该使用神经网络来代替多输出回归算法吗？
浏览 0提问于2018-03-20得票数 11
我正在学习使用scikit学习作为R/SAS EM的替代品来生产机器学习模型。我可以生产一个逻辑回归分类器，并将其应用于测试集，但我似乎无法确定如何查看回归公式。我知道，我不能保存为一个PMML，只使用joblib或泡菜转储，但这些不是很直观。
谢谢,
托比
浏览 0提问于2014-12-29得票数 1
回答已采纳
到目前为止，我已经实施了线性回归和logistic回归。除了numpy和matplotlib之外，我没有使用任何其他库。但是在互联网上，每个例子都是用sklearn、pandas等库来解决的。我的问题是，哪一个适合机器学习，自己实现算法，还是使用库(sklearn或.)？
谢谢。
浏览 0提问于2016-07-29得票数 0
回答已采纳
1回答
斯克勒夫斯对毕托尔对坦瑟斯
、、、、
在实现传统机器学习算法(线性回归算法、knn算法、决策树算法、支持向量机算法等)和实现深度学习算法的条件下，我只需了解sklearn、Py手电、tensorflow和keras之间的区别。此外，哪种算法被认为是实现传统机器学习算法和实现深度学习算法更有效的方法？
浏览 0提问于2022-09-24得票数 0
1回答
机器学习算法的实用用例
、、、
我刚开始学习机器学习，目前正在修吴家富的课程。我正在修这门课，但有点迷路了。如果我能为这些算法/理论看到一些用例，那么学习它们就会有很大的收获。
例如，我读到的第一个话题是梯度下降，然后是线性回归和logistic回归。这些是直接在实践中使用，还是其他算法，如k均值和核密度？我想我正在尝试获得这些主题的真实世界(软件工程，数据挖掘)的例子。有人能建议一篇可能对机器学习算法的使用有一些解释的帖子吗？这会很有帮助的。
浏览 0提问于2014-11-23得票数 3
2回答
我想要建立一个机器学习模型来回归连续输出给定的二进制值特征(0，1)。我的问题的维度在200左右。对于这类问题，哪一种流动方法是合适的？
不同内核的SVR
回归随机林
火星
用回归树进行梯度增强
核回归(Nadya-Watson核回归)
LSR和LARS
随机梯度增强
浏览 6提问于2013-05-07得票数 5
我参加了youtube讲座的Andrew机器学习课程，6.4他说，如果我们使用线性回归损失函数(最小二乘法)进行logistic回归，成本函数会是什么样子？
📷
我想看到这样的一个图，我自己，所以我试图用最小二乘损失绘制成本函数J，用于一个对数回归任务。
这是我的密码
import matplotlib.pyplot as plt
import numpy as np
import math
x = np.random.rand(10000)
# x = np.array([0.1, 0.2, 0.7, 0.4])
y = np.round(np.random.rand(10000))
b
浏览 0提问于2020-07-08得票数 1
回答已采纳
1回答
你能告诉我如何使用Elastic-Net，Lasso和岭回归吗？实际上，我选择了线性，弹性网，拉索和岭回归这4种算法，根据机器学习的小计。然而，我不知道如何导入Elastic，Lasso和Ridge回归，在Pyspark，不能谷歌正确的答案。我只知道在Pyspark中使用线性回归。
浏览 1提问于2020-06-01得票数 1
在滑雪方面，有MultiOutputRegressor和MultiOutputClassifier。我们可以使用它们只输出回归或分类，但是如果我们想要输出回归和分类的组合呢？我需要创建单独的模型吗？
在tensorflow中，我们可以将架构进行分支。我想用这种方法在一个模型中进行回归和分类预测。
有人还向我指出，我需要更具体地说明我的问题，我将在下文解释。
与我所面临的问题最接近的例子如下。它是用UTKFace数据集来预测年龄和性别。https://susanqq.github.io/UTKFace/
这个问题是回归和分类的混合体。在深入学习的情况下，我们知道通过Keras我们可以使用诸如ht
浏览 0提问于2022-02-18得票数 1
我有一个很大的数据框架，我正在为机器学习线性回归模型清理它。我希望在.5之下和-.5之上删除与我的依赖变量有关联的列。用尽可能少的代码完成这一任务的最佳方式是什么？以下是我正在尝试解决的一个失败尝试的示例：
df.drop(df.loc[:, df.corrwith(df['saleprice'])] <.5 & > -.5, axis=1, inplace=True)
浏览 6提问于2020-01-16得票数 1
1回答
我正在尝试对以下数据实现机器学习
数据输入
📷
我正在努力实现的是保持广告出价和每个销售成本尽可能低，同时增加销售。
这是一个多变量，多响应回归，我正在寻找思想和机器学习模型来实现这一点。
我不认为增强型或多输出回归会奏效，因为我想降低广告出价+每次销售的成本，同时增加销售(而不是目标)。
技术/SDK不是一个问题。我正在寻找建筑/模型的想法。
浏览 0提问于2020-03-15得票数 3
我从这里学习机器学习，本课程使用“Scikit learning”进行回归-- https://www.udemy.com/machinelearning/
我可以看到，对于一些训练回归算法，作者使用了特征缩放，而对于一些他没有使用，因为一些'Scikit学习‘回归算法自己处理特征缩放。
如果我将特征缩放应用于一个已经在内部进行特征缩放的算法，它会以任何方式影响吗？
我能否始终应用特征缩放，无论我使用的算法内部是否有一个特征缩放系统？
浏览 0提问于2018-08-07得票数 3
1回答
我正在做一项基于分析机器学习的不同Python库的工作。
我选择分析Scikit--学习，Keras，Tensorflow和Py手电筒，因为它们是最著名的。其思想是训练不同的模型，包括监督学习和非监督学习，以及分类和回归。在每个库中使用不同类型的算法，并分析它们所带来的困难/设施以及性能。
当我试图在Tensorflow中执行同样的学习时，我的问题就出现了，因为对于后者，我发现了大量用于深入学习(神经网络)的信息，但对于机器学习算法(决策树、随机森林支持向量机、支持向量机、线性/Logistic回归、K-NN、KMeans、朴素-贝叶斯等)则没有发现.
是否可以将这些ML算法应用于tensor
浏览 0提问于2021-08-25得票数 0
我已经创建了一个回归模型，并希望使用Predicion. api更新一些数据以用于机器学习。
类的java api文档"setOutput function“对我来说不是很清楚。它将输出值表示为“回归或分类标签”。这是否意味着对于回归模型，我应该调用setOutPut(“回归”)？
另外，我如何验证我的更新是否成功？谢谢。
浏览 2提问于2015-03-20得票数 0
2回答
通常，当目标是构建输出实例为正的概率的二进制分类器时，哪种机器学习将是最合适的，在哪种情况下？
特别是，似乎具有Platt缩放的支持向量机可能是一个很好的候选者，但我在网上看到有人使用Kernel Logistic回归或高斯过程来完成这项任务。与其他方法相比，其中一种方法是否有明显的优势/劣势？
谢谢
浏览 0提问于2013-05-05得票数 2
我学过统计学数学，现在正在选修机器学习课程。老师提到的第一个例子是如何利用机器学习找到一个线性趋势线。为什么会有人这么做？在我的统计课程中，根据我的理解，我们用远低于机器学习方法的计算机功率计算数据集上的线性趋势线。使用机器学习的线性回归仅仅是学习机器学习基础的一个很好的例子，还是有什么真实的理由可以解释为什么有人会使用机器学习来找到这样一个简单的趋势线？
浏览 0提问于2020-11-09得票数 2
在我的项目中，我应该使用分类器来根据6个输入值来预测8个类中的一个。我必须比较一个只运行C++代码的设备上的所有监督学习分类器。所以我使用python来教/拟合机器学习模型，但是我需要为每个分类器在C++上运行它找出最终的公式。有什么办法从模型中得到这些公式/代码吗？
使用的机器学习算法：
支持向量机
朴素贝叶斯
线性回归
线性判别分析
决策树
K-最近邻算法
Logistic回归
神经网络
梯度增强算法
随机森林。
浏览 2提问于2018-05-27得票数 3
1回答
我正在探索机器学习，并开始了解回归。但是，我不明白在标记点之后如何绘制回归线。我搜索了堆栈溢出，但只找到了划线的代码。我想知道这条线是根据什么划出来的。 ?
浏览 26提问于2020-12-04得票数 0
回答已采纳
我最近开始学习机器学习算法。我从头开始用python写了一个程序来实现线性回归，但我需要一些数据对来使用。
浏览 1提问于2016-02-15得票数 0
1回答
在机器学习的coursera课程中，它说梯度下降应该收敛。
我使用的是scikit learn中的线性回归。它不提供梯度下降信息。我在stackoverflow上看到了很多关于使用梯度下降实现线性回归的问题。
我们如何在现实世界中使用scikit-learn中的线性回归？或者为什么scikit-learn不在线性回归输出中提供梯度下降信息？
浏览 0提问于2015-12-26得票数 26
回答已采纳
一份机器学习材料说，通过回归来解决分类问题是一个坏主意。但我认为，始终可以进行连续回归来拟合数据，并截断连续预测以产生离散分类。那么为什么这是个坏主意呢？
浏览 0提问于2012-02-06得票数 2
回答已采纳
我目前正在学习在一个机器学习问题中做堆叠。我将获取第一个模型的输出，并将这些输出用作第二个模型的特征。
我的问题是:顺序重要吗？我使用的是套索回归模型和增强树。在我的问题中，回归模型的性能优于boosted树。因此，我认为我应该第二次使用回归树，第一次使用增强树。
在做这个决定时，我需要考虑哪些因素？
浏览 2提问于2017-10-17得票数 0
2回答
在机器学习中，感知器是一种对二进制分类器进行监督学习的算法。二进制分类器是一种函数，它可以判断输入是否属于某一特定类，输入由数字向量表示。
在wiki页面上，问题部分包括回归，没有更多解释。
📷
可用于回归的感知器吗？
浏览 0提问于2019-06-09得票数 5
我是机器学习和Python的新手。我正在尝试理解什么时候使用sklearn.linear_model中的函数(线性回归和逻辑回归)，以及什么时候实现我自己的代码。任何建议或参考将非常感谢。
向Souvik致敬
浏览 0提问于2016-10-25得票数 0
2回答
以字符串数组为输入向量的分类
、、、、
我有一个与机器学习任务相关的问题。问题是要根据字符串的向量来预测一个值。脑海中浮现的最直接的想法是使用线性回归。然而，由于我的输入是非数字的，我想我应该使用字符串的hashcode，但是我在这里的某个地方读到，结果将是没有意义的。另一个想法是使用字母表中的字母位置对我的字符串进行基数26编码，但我还没有对其进行测试，因此寻求建议。
有人能推荐一种好的(有意义的)编码字符串的方法，以便在线性回归算法中使用吗？或者建议适用于该任务的另一种机器学习算法。
总而言之:分类器的输入将由固定大小的字符串数组组成(数组的长度是固定的，而不是字符串)，输出应该是0-100范围内的整数。训练数据将由这样的输入数
浏览 1提问于2015-07-07得票数 1
我用sci学习开始机器学习，并在机器学习中遇到了各种各样的模型。
在每个模型中，都有一个fit()函数。
虽然我读了很多博客文章，并且了解到fit()帮助我们找到模型的参数。
例如，在线性回归模型中，fit()函数有助于找到斜率和截距。
但是我仍然不能理解fit()函数背后的逻辑。
浏览 1提问于2018-02-28得票数 0
1回答
数据集的机器学习分析
、、、、
我有一个数据集，其中包括房屋，不同的特点，和它的价格。我试图对这个数据集做一个高级分析，我已经使用不同的回归技术，如岭回归、拉索回归和弹性网络回归，做了房价预测分析。
此外，我想做机器学习分析与数据集。对于上述数据集，我能做什么样的预测？有人有什么想法请告诉我吗？？
浏览 0提问于2020-01-24得票数 -1
有数以百计的数据驱动的机器学习模型。这是一个简单的例子:神经网络，线性回归，支持向量机等。但是，什么是模型驱动的(或非数据驱动的)建模，以及什么是著名的和有用的例子，例如回归任务？
浏览 0提问于2021-01-26得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
