ML之回归预测之BE:利用BE算法解决回归(实数值评分预测)问题—线性方法解决非线性问题
【摘要】 ML之回归预测之BE:利用BE算法解决回归(实数值评分预测)问题—线性方法解决非线性问题
目录
输出结果
设计思路
代码实现
输出结果
设计思路
代码实现
for row in xList: newRow = list(row) alch = row[alchCol - 1] newRow.app...
ML之回归预测之BE:利用BE算法解决回归(实数值评分预测)问题—线性方法解决非线性问题
目录
输出结果
设计思路
代码实现
-
for row in xList:
-
newRow = list(row)
-
alch = row[alchCol - 1]
-
newRow.append((alch - 7) * (alch - 7)/10)
-
newRow.append(5 * log(alch - 7))
-
newRow.append(cos(alch))
-
xExtended.append(newRow)
-
-
nrow = len(xList)
-
v1 = [xExtended[j][alchCol - 1] for j in range(nrow)]
-
-
for i in range(4):
-
v2 = [xExtended[j][alchCol - 1 + i] for j in range(nrow)]
-
plot.scatter(v1,v2)
文章来源: yunyaniu.blog.csdn.net,作者:一个处女座的程序猿,版权归原作者所有,如需转载,请联系作者。
原文链接:yunyaniu.blog.csdn.net/article/details/85388876
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)