sklearn自学指南(part17)--稳健回归-异常值和建模误差

学习笔记，仅供参考，有错必纠

文章目录

线性模型
- 稳健回归:异常值和建模误差
- - 不同的场景和有用的概念
  - RANSAC:随机样本共识
  - - 算法细节
  - 泰尔-森估计量:基于广义中值的估计量
  - - 理论分析
  - Huber回归
  - 注意

线性模型

稳健回归:异常值和建模误差

稳健回归的目标是，在存在错误数据的情况下拟合回归模型：要么是异常值，要么是模型中的错误。

不同的场景和有用的概念

在处理被异常值损坏的数据时，有不同的事情需要记住：

是X还是y中的异常值

sklearn自学指南(part17)--稳健回归-异常值和建模误差相关推荐

sklearn自学指南(part3)--使用手册的目录
学习笔记,仅供参考,有错必纠自翻译+举一反三文章目录 1.1. 线性模型 1.2. 线性与二次判别分析 1.3. 核岭回归 1.1. 线性模型 1.1.1. 普通最小二乘法 1.1.2. 岭回归与 ...
sklearn自学指南(part57)--协方差估计
学习笔记,仅供参考,有错必纠文章目录协方差估计经验协方差缩减协方差基本的收缩 Ledoit-Wolf收缩甲骨文近似收缩(Oracle Approximating Shrinkage) 稀疏 ...
sklearn自学指南(part45)--新颖性和离群值检测概述
学习笔记,仅供参考,有错必究新颖性和离群值检测概述许多应用程序要求能够判断一个新的观测值是否与现有的观测值属于相同的分布(它是内值),还是应该被视为不同的分布(它是离群值).通常,这种能力用于清 ...
sklearn自学指南(part43)--数据加载工具
学习笔记,仅供参考,有错必究文章目录数据加载工具 Toy datasets Real world datasets 用法数据加载工具 sklearn.datasets 包嵌入了一些在入门的一节中 ...
sklearn自学指南(part40)--使用手册的目录
学习笔记,仅供参考,有错必究文章目录 2.6. 协方差估计 2.7. 新颖性和异常值检测 2.8. 密度估计 2.9. 神经网络模型(无监督) 2.6. 协方差估计 2.6.1. 经验方差 2.6. ...
sklearn自学指南(part34)--K-means
学习笔记,仅供参考,有错必究文章目录聚类聚类方法概述 K-means Low-level parallelism Mini Batch K-Means 聚类未标记数据的聚类可以通过模块skle ...
sklearn自学指南(part31)--半监督学习
学习笔记,仅供参考,有错必纠文章目录半监督学习自我训练标签传播半监督学习 Semi-supervised learning是指在你的训练数据中,有些样本是没有标签的情况.sklearn.se ...
sklearn自学指南(part30)--特征选择
学习笔记,仅供参考,有错必纠文章目录特征选择移除低方差变量单变量特征选择递归特征消除(Recursive feature elimination) 使用SelectFromModel进行特征 ...
sklearn自学指南(part29)--高斯混合模型
学习笔记,仅供参考,有错必究文章目录高斯混合模型高斯混合 `GaussianMixture`类的利与弊利弊经典高斯混合模型中组个数的选择估计算法期望最大化变分贝叶斯高斯混合估计算法: ...

sklearn自学指南(part17)--稳健回归-异常值和建模误差

文章目录

线性模型

稳健回归:异常值和建模误差

不同的场景和有用的概念

sklearn自学指南(part17)--稳健回归-异常值和建模误差相关推荐

最新文章

热门文章