线性回归
内容包括五方面,get之后便可开始实践啦
1、线性回归的原理
2、线性回归损失函数、代价函数、目标函数
3、优化方法(梯度下降法、牛顿法、拟牛顿法等)
4、线性回归的评估指标
5、sklearn参数详解
1、线性回归的原理
进而我们可以得到线性回归的一般形式:
有数据集 {(𝑥1,𝑦1),(𝑥2,𝑦2),…,(𝑥𝑛,𝑦𝑛)} ,其中, 𝑥𝑖=(𝑥𝑖1;𝑥𝑖2;𝑥𝑖3;…;𝑥𝑖𝑑),𝑦𝑖∈𝑅
其中n表示变量的数量,d表示每个变量的维度。
可以用以下函数来描述y和x之间的关系:
如何来确定 𝜃 的值,使得 𝑓(𝑥) 尽可能接近y的值呢?均方误差是回归中常用的性能度量,即:
我们可以选择 𝜃 ,试图让均方误差最小化,如何进行参数估计呢?
我们用最大似然估计(从概率角度)的方法。