scikit-learn机器学习——第五章 复习题

1.线性回归模型是用来解决什么问题的？

解决两个变量之间成线性关系的问题。

2.线性回归模型的预测函数是什么样的？其矩阵形式的写法是什么样的？

h(x)=a+bx

h(x)=[a b]*[1 x]T

3.线性回归模型的成本函数是什么样的？

J(θ)=1/(2m)*∑(h(x(i)-y(i))^2

均方差，乘1/2是为了计算方便（求导的时候约掉）

4.梯度下降算法的参数迭代公式是什么样的？

θ0=θ0-α/m∑(h(x(i)-y(i))

θ1=θ1-α/m∑((h(x(i)-y(i))xi)

5.运行本章节示例代码ch05.01.ipynb，画出各个模型在[-20,20]的图形，并和正弦波对比。

6.运行本章节示例代码ch05.02.ipynb，把多项式改为五阶会使什么结果？

degree=2

degree=5

过拟合，训练数据集精确度高，测试数据集为负

7.为什么增加多项式特征能优化线性回归模型的准确性？

线性回归模型太简单导致欠拟合

8.找到scikit-learn官方文档，阅读画学习曲线的函数learning_curve()的文档。