文件名称：Scikit-Learn：使用Python进行预测数据分析的机器学习库
文件大小：9KB
文件格式：ZIP
更新时间：2024-03-06 10:07:33
JupyterNotebook
Scikit学习 使用Python进行预测数据分析的机器学习库 Y = X * B1 + B0 系数 B1：坡度 渐变| 陡度线| 线方向| 重量 B0：拦截 偏差| 常数| 回归线与Y轴相交的位置（当X = 0时Y的值） R 2 ：测定系数 模型捕获的数据的方差（0.7到0.9是R 2的好值） 大的R 2表示较好的拟合度（模型可以用更好的方法解释预测值与实际值的差异） R 2 = 1对应于SSR = 0（完美拟合） R 2低会导致拟合不足 高R 2导致过度拟合 残差 实际-预测 线性回归 学习一个线性回归模型来估计系数的值 根据另一个要素的值预测要素的值。 简单线性回归 多元线性回归 多项式线性回归 高级线性回归
【文件预览】：
Scikit-Learn-main
----README.md(1KB)
----Linear Regression()
--------Advanced Linear Regression.ipynb(7KB)
--------Simple Linear Regression.ipynb(6KB)
--------Multiple Linear Regression.ipynb(4KB)
--------Linear Regression.md(4KB)
--------Polynomial Regression.ipynb(5KB)