回归的目的是通过计算来预测数值型数据,本章讨论的是线性回归和局部加权回归。这两种方法由三部分构成:数据矩阵X和结果矩阵Y:
回归系数矩阵:
结果矩阵:
对线性回归,找出w的方法是,找到一个w,使得预测结果u与真实结果y的差值最小。因为差值有正 有负,因此我们用平方和最小的方式:
用矩阵表示为:
求其最小值,则对其求导,并令结果为0,推出:
绘制结果为:
Part2-Chapter8-预测数值型数据:回归-原理
最新推荐文章于 2022-10-05 15:00:31 发布
回归分析用于预测数值型数据,主要包括线性回归和局部加权回归。线性回归通过最小化预测值与真实值的平方和来确定权重,而局部加权回归则引入权重,对附近数据点赋予不同影响,常使用高斯核来计算权重。过高或过低的权重参数可能导致欠拟合或过拟合。
摘要由CSDN通过智能技术生成