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：
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。
最低0.47元/天 解锁文章
扫一扫
2978
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
