第3章 线性模型
3.1 基本形式
给定由
个属性描述的示例
= (
x
1
;
x2
;...;
xd
) 其中xi是 x
在第 i
个属性上的取值,线性模型(linear
model)
试图学得一个通过属性的线性组合来进行 预测的函数,即
f(x) = w1x1 + w2x2 + ... + wdxd + b
一般用向量形式写成:
其中 w
=( w1
;w2;...;wd) ,w和b学得后模型就得以确定
,模型就得以确定.
3.2 线性回归
3.2.1 一元线性回归
均方误差有非常好的几何意义,它对应了常用的欧几里得距离或简称"欧氏距离" (Euclidean
distance).
基于均方误差最小化来进行模型求解的方法称为"最小二乘法" (l
east
squ
method).
在线性回归中,最小二
乘法就是试图找到一条直线,使所有样本到直线上的欧氏距离之和最小.
3.2.1.2 极大似然估计
对于离散型(连续型)随机变量
X
,假设其概率质量函数为
P
(
x