关注微信公众号【Microstrong】,我写过四年Android代码,了解前端、熟悉后台,现在研究方向是机器学习、深度学习!一起来学习,一起来进步,一起来交流吧!
回归问题:主要用于预测数值型数据,典型的回归例子:数据拟合曲线。
一、线性回归
(1)线性回归的定义:
线性回归需要一个线性模型,属于监督学习,因此方法和监督学习应该是一样的,先给定一个训练集,根据这个训练集学习出一个线性函数,然后测试这个函数是否足够拟合训练集数据,然后挑选出最好的线性函数。
需要注意两点:
A.因为是线性回归,所以学习到的函数为线性函数,即直线函数;
B.因为是单变量,因此只有一个x;(这里我们只讨论单变量线性回归)
(2)单变量线性回归模型
我们能够给出单变量线性回归模型:
这里,X为特征,h(x)为hypothesis。
举个例子:
我们想要根据房子的大小,预测房子的价格,给定如下数据集:
我们根据以上的数据集画在图上,如下图所示:
我们需要根据这些点拟合出一条直线,使得costFunction最小。拟合出的直线大概如下图所示:
从上面的过程中,我们肯定