机器学习入门——单变量线性回归

最新推荐文章于 2025-10-26 20:23:17 发布
原创 最新推荐文章于 2025-10-26 20:23:17 发布 · 2.4k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习 #线性回归 #machine learning

本文介绍了机器学习中的单变量线性回归，从寻找最逼近样本点的直线开始，通过cost function的概念解释如何确定theta0和theta1。通过举例说明，阐述了在theta1=0时优化问题简化为最小化一元二次函数，并进一步扩展到二维情况。文章提到了梯度下降法用于找到最优解，并给出了算法迭代公式，讨论了learning rate的影响。最后，提供了配套练习链接以巩固理解。

线性回归的概念，在高中数学书里就出现过。

给你一些样本点，如何找出一条直线，使得最逼近这些样本点。


给出一个例子：假设 x 是房子面积，y是房子价格，确定一条直线需要theta0和theta1.

给出x,我们就可以计算出房子的价格 h(x) = theta0+theta1*x

关键是如何计算出theta0和theta1,也就是如何找出这么一条直线呢？


在这里，引入一个概念，叫做cost function.m表示样本个数，也就是训练样本数目

这是一个square error，学过统计的应该经常见到

因此，我们的目的i就变成如何最小化这个J，意味着这条直线最逼近我们的样本点



先简化一下问题，假设theta0 = 0,那么我们的目标就是最小化J(theta1)

最低0.47元/天 解锁文章
单变量线性回归
u014641813的博客
04-08 1595
单变量线性回归就是从一个输入值预测一个输出值。输入/输出关系是一个线性函数。 模型表示： 我们用一个根据房屋尺寸预测房屋售价的例子开始。 假设有一个数据集，我们称作训练集，如下表所示 我们用来描述回归问题的标记如下： m 代表训练集中实例的数量 x 代表特征/输入变量 y 代表目标变量/输出变量 (x,y) 代表训练集中的实例  代表第i个观测实例 h 代表学习算法
单变量线性回归(Linear Regression with One Variable)
苏轼说电脑真好玩
10-29 469
二、单变量线性回归(Linear Regression with One Variable) 文章目录二、单变量线性回归(Linear Regression with One Variable)2.1 模型表示2.2 代价函数2.3 代价函数的直观理解I2.4 代价函数的直观理解II2.5 梯度下降2.6 梯度下降的直观理解2.7 梯度下降的线性回归 2.1 模型表示 让我们通过一个例子来开始：这个例子是预测住房价格的 我们要使用一个数据集，数据集包含俄勒冈州波特兰市的住房价格。在这里，我要根据不同房屋尺寸
单变量线性回归（Univariate Linear Regression）&代价函数（Cost Function）
最新发布
StarPrayers.的博客
10-26 844
监督学习是通过带标签的数据训练模型进行预测，主要包括回归（预测连续值）和分类（预测离散类别）两类任务。单变量线性回归针对单一输入特征，使用假设函数fw,b(x)=wx+b建模。通过最小化均方误差代价函数来选择最优参数w和b，使预测值与实际值差距最小。代价函数可视化呈现下凸特性，通过寻找最低点确定最优参数。该方法是机器学习的基础，后续可扩展至多变量回归和梯度下降优化算法。
单变量线性回归原理解析
weixin_33890526的博客
06-27 384
Linear Regression with one Variable(单变量线性回归) Model and Cost Function(模型和损失函数) 给出一个房价预测的例子，x轴是房子的大小，y轴是房子的价格，图中标注了一些房子作为数据集，而这些点被称为标注数据(labeled data)，利用这样的数据来预测的方法称为：监督学习。监督学习分为...
机器学习——单变量线性回归.pdf
03-27
在机器学习领域，单变量线性回归是一种基本的预测模型，它使用一条直线来描述一个变量如何依赖于...笔记的总结也表明了对这些概念的深入理解和熟练运用能够帮助解决实际问题，并且是机器学习入门者必须掌握的基础知识。
机器学习入门——线性回归
12-21
线性回归是机器学习领域中最基础的算法之一，主要用于解决回归问题。回归问题是指预测一个连续的数值结果，而非离散的类别。线性回归假设因变量（如房屋价格）与自变量（如房屋面积）之间存在线性关系，即随着自变量...
机器学习入门（2）——单变量线性回归
strivequeen的博客
07-12 344
模型描述 h 代表学习算法的解决方案或函数也称为假设（hypothesis） 一种可能的表达方式为： 因为只含有一个特征/输入变量，因此这样的问题叫作单变量线性回归问题。 代价函数
机器学习入门（3）——多变量线性回归(Linear Regression with Multiple Variables)
strivequeen的博客
07-13 457
多维特征（Multiple Features） 多变量梯度下降（Gradient Descent for Multiple Variables） 与单变量线性回归类似，在多变量线性回归中，我们也构建一个代价函数，则这个代价函数是所有建模误差的平方和，即： J(θ0,θ1…θn)=12m∑i=1m(hθ(x(i))−y(i))2J\left(\theta_{0}, \theta_{1} \ldots \theta_{n}\right)=\frac{1}{2 m} \sum_{i=1}^{m}\left(h_
Coursera《machine learning》--（2）单变量线性回归(Linear Regression with One Variable)
weixin_30879833的博客
08-06 180
本笔记为Coursera在线课程《Machine Learning》中的单变量线性回归章节的笔记。 2.1 模型表示 参考视频: 2 - 1 - Model Representation (8 min).mkv 本课程讲解的第一个算法为"回归算法"，本节将要讲解到底什么是Model。下面，以一个房屋交易问题为例开始讲解，如下图所示（从中可以看到监督学习的基本流程）。 所使用的数据集为...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值