目录一、技术原理逻辑回归k近邻法（k-nearestneighbor，k-NN）决策树SVM(SupportVectorMachine)模型评估二、数据探索与处理 2.1读取贷款违约数据集，在系统中可视化展示部分数据集2.2对违约情况进行饼图可视化，查看其占比情况 2.3对数据中的年龄情况进行可视化分析 2.4对数据中的工龄情况进行可视化分析 2.5对收入可视化分析 2.6对各负债情况进行可视化查看 2.7根据皮尔森系数，得到与违约相关性较高的特征如下表所示 2.8进一步探查负债率、信用卡负债、工龄这3类与违约的关系2.8.1负债率与违约关系2.8.2信用卡负债与违约关系2.8.3工龄与违约关
文章目录机器学习的sklearn库一、回归分析线性回归1.1.1、Python实现线性回归最小二乘法1.2.1、MATLAB实现最小二乘法1.2.2、MATLAB实现最小二乘法（矩阵变换）二、岭回归与Lasso回归岭回归——（权值衰减）2.1.1、岭回归原理2.1.2、Python实现岭回归2.1.3、MATLAB实现岭回归Lasso回归——（特征选择）2.2.1、Lasso回归原理2.1.2、Python实现Lasso回归2.2.2、MATLAB实现Lasso回归岭回归与Lasso回归的差异机器学习的sklearn库机器学习综述（全）机器学习-sklearn介绍官网：scikit-learn
文章目录机器学习的sklearn库一、回归分析线性回归1.1.1、Python实现线性回归最小二乘法1.2.1、MATLAB实现最小二乘法1.2.2、MATLAB实现最小二乘法（矩阵变换）二、岭回归与Lasso回归岭回归——（权值衰减）2.1.1、岭回归原理2.1.2、Python实现岭回归2.1.3、MATLAB实现岭回归Lasso回归——（特征选择）2.2.1、Lasso回归原理2.1.2、Python实现Lasso回归2.2.2、MATLAB实现Lasso回归岭回归与Lasso回归的差异机器学习的sklearn库机器学习综述（全）机器学习-sklearn介绍官网：scikit-learn
时序预测|MATLAB实现具有外生回归变量的ARIMAX时间序列预测(含AR、MA、ARIMA、SARIMA、VAR对比)目录时序预测|MATLAB实现具有外生回归变量的ARIMAX时间序列预测(含AR、MA、ARIMA、SARIMA、VAR对比)预测效果基本介绍程序设计ARMAARMAARIMASARIMAARIMAXVAR参考资料预测效果
时序预测|MATLAB实现具有外生回归变量的ARIMAX时间序列预测(含AR、MA、ARIMA、SARIMA、VAR对比)目录时序预测|MATLAB实现具有外生回归变量的ARIMAX时间序列预测(含AR、MA、ARIMA、SARIMA、VAR对比)预测效果基本介绍程序设计ARMAARMAARIMASARIMAARIMAXVAR参考资料预测效果
线性回归预测模型一元线性回归一元线性回归图一元线性回归参数多元线性回归分类变量的处理回归模型的假设性检验模型的显著性检验——F检验回归系数的显著性检验——t检验回归模型的诊断正态性检验直方图法PP图与QQ图Shapiro检验和K-S检验多重共线性检验线性相关检验独立性检验方差齐性BP检验本文介绍的是线性回归方程的预测模型的学习笔记，将重点记录python的实现过程，对于线性模型的数学推导将不做赘述。若是在本科数学建模比赛中，不必对模型的健壮性做过于冗长的说明；若是数据挖掘类竞赛或项目，则需要最大限度地保障模型的健壮性。仅用于个人学习过程记录笔记使用Reference：《从零开始学习Python
线性回归预测模型一元线性回归一元线性回归图一元线性回归参数多元线性回归分类变量的处理回归模型的假设性检验模型的显著性检验——F检验回归系数的显著性检验——t检验回归模型的诊断正态性检验直方图法PP图与QQ图Shapiro检验和K-S检验多重共线性检验线性相关检验独立性检验方差齐性BP检验本文介绍的是线性回归方程的预测模型的学习笔记，将重点记录python的实现过程，对于线性模型的数学推导将不做赘述。若是在本科数学建模比赛中，不必对模型的健壮性做过于冗长的说明；若是数据挖掘类竞赛或项目，则需要最大限度地保障模型的健壮性。仅用于个人学习过程记录笔记使用Reference：《从零开始学习Python
说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。 1.项目背景回归问题是一类预测连续值的问题，而能满足这样要求的数学模型称作回归模型，本项目介绍的线性回归就是回归模型中的一种。线性回归模型属于经典的统计学模型，该模型的应用场景是根据已知的变量（即自变量）来预测某个连续的数值变量（即因变量）。例如餐厅根据每天的营业数据（包括菜谱价格、就餐人数、预定人数、特价菜折扣等）预测就餐规模或营业额；网站根据访问的历史数据（包括新用户的注册量、老用户的活跃度、网页内容的更新频率等）预测用户的支付转化率；医院根据患者的病历数据（如体检指标
说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。 1.项目背景回归问题是一类预测连续值的问题，而能满足这样要求的数学模型称作回归模型，本项目介绍的线性回归就是回归模型中的一种。线性回归模型属于经典的统计学模型，该模型的应用场景是根据已知的变量（即自变量）来预测某个连续的数值变量（即因变量）。例如餐厅根据每天的营业数据（包括菜谱价格、就餐人数、预定人数、特价菜折扣等）预测就餐规模或营业额；网站根据访问的历史数据（包括新用户的注册量、老用户的活跃度、网页内容的更新频率等）预测用户的支付转化率；医院根据患者的病历数据（如体检指标
机器学习：基于逻辑回归对优惠券使用情况预测分析作者：i阿极作者简介：Python领域新星作者、多项比赛获奖者：博主个人首页😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞👍收藏📁评论📒+关注哦！👍👍👍📜📜📜如果有小伙伴需要数据集和学习交流，文章下方有交流学习区！一起学习进步！💪订阅专栏案例：机器学习机器学习：基于逻辑回归对某银行客户违约预测分析机器学习：学习k-近邻（KNN）模型建立、使用和评价机器学习：基于支持向量机（SVM）进行人脸识别预测决策树算法分析天气、周末和促销活动对销量的影响机器学习：线性回归分析女性身高与体重之间的关系机器学习：基于主成分分析（PCA）对数据降维机器学习：基于朴
