机器学习

范茂松 顾丽丽 李渊浩

目录

  • 荣誉证书:示范教学课程
    • ● 证书原件
    • ● 我和周志华院士
  • 机器学习1 绪论
    • ● 机器学习1 绪论
    • ● 实验:开发环境配置(自行完成)
  • 机器学习2 数学基础
    • ● 机器学习2 数学基础
    • ● 实验:Python基础语法与三大结构练习(自行完成)
    • ● 实验参考代码
  • 3 机器学习基础
    • ● 3 机器学习基础
  • 4 科学计算库Numpy
    • ● 科学计算库Numpy
  • 线性回归
    • ● 一元线性回归
    • ● 实验:实现一元线性回归(自行完成)
    • ● 多元线性回归
    • ● 代码实战:解析解求解回归模型
    • ● Anaconda库与问卷星的使用
    • ● 代码实战:sklearn实现多元线性回归模型
    • ● 梯度下降算法
    • ● 代码实战:批量梯度下降算法求解线性回归
    • ● 模型的评价
    • ● 代码实战:随机梯度下降算法
    • ● 代码实战:小批量梯度下降算法
    • ● 多项式回归
    • ● 岭回归及代码实现
  • 对数几率回归
    • ● 对数几率回归基本概念
    • ● 极大似然函数与对数几率回归公式详细推导
    • ● 代码实战:用sklearn实现对数几率回归
    • ● 分类问题的模型评价及代码实现
    • ● 多分类问题及代码实现
  • exam
    • ● 线性回归
    • ● 对数几率回归
    • ● 房价预测
  • 决策树
    • ● 决策树基本概念
    • ● 信息量 信息熵
    • ● 信息增益及计算实例
    • ● 信息增益计算
    • ● 代码实战:sklearn实现决策树
    • ● ID3缺点分析、C4.5、CART决策树
    • ● 基尼指数计算实例、预剪枝与后剪枝
  • 支持向量机
    • ● 超平面
    • ● SVM基本问题
    • ● 拉格朗日对偶函数与KKT条件
    • ● 式 6.11求导过程
    • ● SMO算法
    • ● 软间隔与正则化
    • ● 核函数与核方法
    • ● 代码实战:SVM预测乳腺癌
    • ● 支持向量回归
    • ● 代码实战:SVR预测空气质量指数
  • 贝叶斯分类器
    • ● 贝叶斯定理
    • ● 朴素贝叶斯分类器原理
    • ● 连续值处理方法
    • ● 代码实战:用sklearn实现贝叶斯分类器预测银行营销数据
  • 集成学习
    • ● 集成学习概述与Boosting
    • ● AdaBoost算法详解
    • ● 代码实战:用AdaBoost预测乳腺癌数据
    • ● Bagging与随机森林
    • ● 代码实战:用随机森林预测银行营销数据
    • ● 集成学习组合策略
  • 聚类算法
    • ● 聚类算法概述
    • ● KMeans算法
    • ● 代码实战:KMeans算法实现
  • 降维算法
    • ● 降维算法概述
    • ● PCA降维算法
    • ● PCA降维算法2
    • ● 代码实战:用Sklearn实现PCA算法
  • final-exam
    • ● exam1
    • ● exam2
    • ● exam3
线性回归

编程实现线性回归模型

  数据集:

Admission_Predict.csv

   数据集说明:该数据集是为了从印度的角度预测研究生入学率而创建的。

    数据集Feature包括:1。编号 2。GRE成绩(满分340分)3。托福成绩(满分120分)4。大学评分(满分5分)5。目的陈述和推荐信强度(满分5分)6。本科GPA(满分10分)7。研究经历(0或1)

    Label:研究生录取概率(从0到1)

    要求:1、用自己熟悉的方法独立编程实现这个线性回归问题。2、模型训练好了需要可视化。3、要输出训练好的模型的参数。4、遇到代码上的问题可以百度搜索,严禁交头接耳互相讨论。5、如有发现雷同代码,直接计0分。6、请直接将写好的代码复制粘贴至这里,作出的图片也直接上传这里即可,无需另外上传文件。

   手机需要上交,电脑端严禁打开QQ、微信等聊天工具,监考老师会随时查看电脑!违者按作弊处理,直接零分!