机器学习的各种算法在于如何使用特定函数与已知的数据集相匹配,从而达到训练和测试的目的。本篇文章对一些近似的模型做一些相应的介绍。
线性模型
一维输入变量
假设学习对象 f 函数的输入是一组实数,那么对该函数进行近似的时候,最简单的方案就是
由于上面这个模型过于简单,那么在实际应用中,会对上述的模型进行必要的扩展,使得函数 fθ(x) 变成参数的线性模型,这样这个模型就可以用来表示非线性的输入和输出了。可以把 θ⋅x 扩展成如下形式:
fθ(x)=∑bj=1θj⋅ϕj(x) 。
在这个式子中, ϕj(x) 是基函数向量 ϕ(x)=(ϕ1(x),⋅⋅⋅,ϕb(x))T 的第 j 个分量,