@(机器学习)[回归]
线性回归模型
(本章内容是后续logistic回归和softmax回归的基础)
给定数据集
D={(x1,y1),(x2,y2),…,(xm,ym)}
,其中
xi={xi1;xi2;…;xid}
是具有
d
个分量的特征向量,
f(xi)=wTxi+b(1)
来尽可能准确地预测标签 yi ,其中 w=(w1;w2;…;wd) 。
如何确定参数 w 和
(w∗,b∗)=arg min(w,b)∑i=1m(f(xi)−yi)2=arg min(w,b)∑i=1m(yi−wxi−b)2(2)
线性模型(1)的预测值用来逼近真实标记y时,我们就得到 线性回归模型。线性回归模型简写为
y=wTx+b(3)
也可令模型预测值逼近 y 的衍生物
y=g−1(wTx+b)(4)
这样得到的模型成为“广义线性模型”。例如,当 g(y)=ln(y) 时,称为对数线性回归。