Return to Video

Coding It Up - Intro to Machine Learning

  • 0:00 - 0:04
    现在 欢迎学习回归课程的编码部分
  • 0:04 - 0:10
    像以前一样 我们还是从 Google 开始 看看搜索 sklearn 会出现哪些内容
  • 0:10 - 0:12
    你可以看到 出现了很多结果
  • 0:12 - 0:16
    这个线性回归就是我们最终将使用的方法
  • 0:16 - 0:20
    但实际上 我认为从这个链接开始更好
  • 0:20 - 0:24
    因为它更加详细地介绍了广义线性模型
  • 0:24 - 0:28
    那么这里有一个公式 它有点难以解释
  • 0:28 - 0:31
    但它是对 y 等于 mx 加 b 的改写
  • 0:31 - 0:36
    只不过我们现在可以有多个 x
  • 0:36 - 0:38
    我们将在课程稍后时间详细介绍此公式
  • 0:38 - 0:40
    但是它至少告诉我们
  • 0:40 - 0:44
    我们在查找线性形式内容的正确位置
  • 0:44 - 0:47
    向下滚动一点 我看到了一个叫做普通最小二乘法的内容
  • 0:47 - 0:48
    该代码的准确名称是线性回归
  • 0:48 - 0:53
    这看起来正是我想要的
  • 0:53 - 0:55
    我有多个点
  • 0:55 - 0:57
    通过一条线拟合它们
  • 0:57 - 1:00
    更好的是 这里有一些能让我开始操作的示例代码
  • 1:00 - 1:04
    希望你认识到
  • 1:04 - 1:08
    这里的代码与我们在监督分类器中看到的代码类型并没有什么差别
  • 1:08 - 1:10
    所以 这意味着我们要从 from ... import ... 语句开始
  • 1:10 - 1:13
    from sklearn import linear_model
  • 1:13 - 1:18
    在 linear_model 内 有一个名为 linearRegression 的对象
  • 1:18 - 1:20
    我们会使用它来创建分类器
  • 1:20 - 1:22
    接下来 我们要拟合分类器
  • 1:22 - 1:24
    在这里
  • 1:24 - 1:28
    它们不会使用它进行预测 但我们将会进行预测
  • 1:28 - 1:31
    它们会在这里读取系数
  • 1:31 - 1:33
    我们称之为斜率
  • 1:33 - 1:37
    再向下滚动一点 我看到这里有一个更详细的示例
  • 1:37 - 1:39
    如果我在任何阶段遇到困难 都可以使用它来获得帮助
  • 1:40 - 1:43
    但事实上 这些信息足以让我们顺利执行操作
Title:
Coding It Up - Intro to Machine Learning
Description:

more » « less
Video Language:
English
Team:
Udacity
Project:
ud120 - Intro to Machine Learning
Duration:
01:44

Chinese, Simplified subtitles

Revisions Compare revisions