機器學習模型總結

線性回歸模型

線性回歸模型的特點
優點	線性模型形式簡單，可解釋性強，容易了解和實作
缺點	線性模型不能表達複雜的模式，對于非線性問題表現不佳
應用領域	金融領域，氣象預報，特别适用于能夠用線性關系進行描述的問題領域

模型實作

from sklearn import linear_model
import numpy as np

model = linear_model.LinearRegression()
model.fit(x,y)
model.predict(x_)
           

邏輯回歸模型

l o g i s t i c ( z ) = 1 1 + e （ − z ） logistic(z) =\frac{1}{ 1+e^{（-z）}} logistic(z)=1+e（−z）1​

邏輯回歸函數圖像

import numpy as np
import  matplotlib.pyplot as plt

x = np.linspace(-4,4,1000)
y = 1/(1+np.e**(-x))

plt.figure(figsize=(8,6))
plt.plot(x,y)
plt.show()
           

邏輯回歸分類算法特點
優點	形式簡單，可解釋性強，容易了解和實作，計算代價較低的分類模型
缺點	效果不好，容易欠拟合
應用領域	适用于二分類領域，成為其他算法的部件，作為神經網絡的激活函數