Ta上传的资源 (0)

用三种优化方法实现logistic回归的应用，根据学生的两门成绩，判断是否能录取。采用梯度下降法（GD），随机梯度下降法（SGD）和牛顿法（Newton）三种优化方法，绘制动态迭代图，可以动态观察决策结果以及损失函数的收敛过程。数据集和三种算法的代码均打包在一起，采用Jupyter Notebook

主要针对控制图时间序列数据集的聚类任务，使用了基于划分的（K-Means）、基于层次的（AGNES）、基于密度的（DBSCAN）以及基于图的（spectral clustering）聚类方法，最后可视化结果，用Jupyter Notebook编写（python），四种聚类算法和数据集均打包在一起。