列表页

当前位置：首页>算法模型列表

算法类型：
全部回归模型分类模型聚类模型关联规则统计分析
更多

gradient boosted tree regression（梯度提升树回归）模型运算

算法类型：回归模型发布时间：2019.03.10 浏览量：72

算法描述：
提升树利用加法模型和前向分步算法实现学习的优化过程。当损失函数时平方损失和指数损失函数时，每一步的优化很简单，如平方损失函数学习残差回归树。
isotonic regression（保序回归）模型运算

算法类型：回归模型发布时间：2019.03.10 浏览量：72

算法描述：
保序回归是特殊的线性回归，如果业务上具有单调性，这时候就可以用保序回归，而不是用线性回归。
random forest regression（随机森林回归）模型运算

算法类型：回归模型发布时间：2019.03.10 浏览量：66

算法描述：
随机森林是决策树的集成算法。随机森林包含多个决策树来降低过拟合的风险。随机森林同样具有易解释性、可处理类别特征、易扩展到多分类问题、不需特征缩放等性质。
decision tree regression（决策树回归）模型运算

算法类型：回归模型发布时间：2019.03.10 浏览量：70

算法描述：
决策树是一种基本的分类与回归方法，本文叙述的是回归部分。回归决策树主要指CART(classification and regression tree)算法，内部结点特征的取值为“是”和“否”，为二叉树结构。
generalized linear regression（广义线性回归）模型运算

算法类型：回归模型发布时间：2019.03.10 浏览量：70

算法描述：
我们在建模的时候，关心的目标变量Y可能服从很多种分布。像线性回归，我们会假设目标变量Y服从正态分布，而逻辑回归，则假设服从伯努利分布。在广义线性模型的理论框架中，则假设目标变量Y则是服从指数分布族，正态分布和伯努利分布都属于指数分布族，因此线性回归和逻辑回归可以看作是广义线性模型的特例。
linear regression（线性回归）模型运算

算法类型：回归模型发布时间：2019.03.10 浏览量：70

算法描述：
回归是统计学中最有力的工具之一。机器学习监督学习算法分为分类算法和回归算法两种，其实就是根据类别标签分布类型为离散型、连续性而定义的。回归算法用于连续型分布预测，针对的是数值型的样本，使用回归，可以在给定输入的时候预测出一个数值，这是对分类方法的提升，因为这样可以预测连续型数据而不仅仅是离散的类别标签。

6条 1

热点算法