对大家有帮助的问答会被标记为“推荐”,看完课程过来浏览一下别人提的问题,会帮你学得更全面
我有点不太明白,Jacobi和Hessian矩阵是采用分子布局的,在计算中采用分母布局的方法求导,而且Jacobi、Hessian是用于判定计算结果的凸性的,这样不会有什么问题吗?
t0,t1应该怎么设置才能得到比较好的学习率,或者说学习率在实战中应该怎么设置比较合适,是0.1,0.01,0.001一个个试吗?
老师我的python后面没有接conda,是不是只是我电脑的python,而不是anaconda的python包
环境变量已经设置好了为什么还是这样呢?
出现这种情况怎么办啊,将shade=True改成fill = True,不报错,但出现空白图,没有上色
我的代码是:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
#读取数据
data=pd.read_csv('D:/project1/text/实战保险花销代码/代码/data/insurance.csv')
print('读取数据表格为:')
print(data.head())#生成表格n列
#EDA数据探索
#plt.hist(data['charges'])#hist柱状图,但该图像右偏,用log进行正态化
plt.hist(np.log(data['charges']))
sns.kdeplot(data.loc[data.sex=='male','charges'],shade=True,label='male')
sns.kdeplot(data.loc[data.sex=='female','charges']shade=True,label='female')
plt.show()
但是进阶版和原来的train和test划分可能不一样,这样子去导致的MSE变动,而不是特征的原因呢???
老师,假设误差项服从正态分布,是不是假设Y和X的线性回归模型是有效刻画了两者的关系的,就是建立的这个线性模型中X是可以通过线性的方式去描述Y的。只有模型刻画的关系正确,误差项才是随机、独立的,所以才会服从正态分布?
那什么情况下误差项又会服从泊松分布、平均分布、二项分布呢?
老师,这里采用的是第一列进行作图,那是不是采取第二列作图也是可以的呢,这有没有什么选择标准
numpy np matplotlib.pyplot plt sklearn.linear_model LinearRegression x1 = *np.random.rand() x2 = *np.random.rand() x3 = *np.random.rand() X = np.c_[x1x2x3] y = + *x1 +*x2+*x3+ np.random.randn() reg = LinearRegression(=) reg.fit(Xy) (reg.intercept_reg.coef_) X_new = np.array([[][][]]) y_predict = reg.predict(X_new) plt.plot(X_new[:]y_predict) plt.plot(x3y) plt.axis([]) plt.show()
预测的不hi是很好啊???
老师你好,请教一下这个小节里提到的y、X1和X2是否一定要两两正交?如果是两两正交的话,那么他们是否一定相互独立?
老师你好,请教一下这个小节里提到的y、X1和X2是否一定两两正交?如果是两两正交的话,那么他们是否一定相互独立?
J(θ)为什么等于后面1/2(hθ(x)-y)²呢,MSE不是等于1/mΣ(yhat-y)²吗