吃瓜教程——第3章

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:

f(x)=w^{T}x+b

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
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值