机器学习算法基础--第四天
线性回归
- 定义:线性回归通过一个或者多个自变量与因变量之间进行建模的回归分析。其中可以为一个或多个自变量之间的线性组合(线性回归的一种)
线性关系模型
- 一个通过属性的线性组合来进行预测的函数:
– f ( x ) = w 1 x 1 + w 2 x 2 + . . . + w d x d + b f(x)=w1x1+w2x2+...+wdxd+b f(x)=w1x1+w2x2+...+wdxd+b
–w为权重,b为偏置项,可以理解为w0*1
也可以把w,x看成是矩阵形式:
w = ( w 0 w 1 w 2 ) , x = ( 1 x 1 x 2 ) w=\begin{pmatrix}{w0}\\{w1}\\{w2}\end{pmatrix},x=\begin{pmatrix}{1}\\{x1}\\{x2}\end{pmatrix} w=⎝⎛w0w1w2⎠⎞,x=⎝⎛1x1x2⎠⎞
–看成矩阵是为了满足特定的运算需求,如矩阵的乘法:
import numpy as np
# 二维数组相乘,构建三个样本三组特征值,每组特征值的权重都为2
a = [[1, 2,<