线性回归和逻辑回归 记录

本文详细介绍了线性回归中的R-square、F-value、最小二乘法和损失函数,探讨了线性回归方程的显著性检验。接着转向逻辑回归,讲解了Sigmoid函数、最大似然估计和梯度下降法的应用,以及Lasso和Ridge回归在防止过拟合中的作用。
摘要由CSDN通过智能技术生成

1 线性回归相关概念

1.1 R-square

R-square值表示现有模型可以解释的方差占总体方差的比例

SSTO = SSE +SSR

R-square = SSR/SST0

希望其接近1


1.2 F-value

题外话:

    t检验 --> 检验的对象是mean

    f检验 --> 检验的对象是variance

F-value = MSR/MSE --> 希望其很大 --> 相应p值就会很小 --> 可以拒绝原假设 

F的值是回归方程显著性检验,表示的是模型中被解释变量与所有解释变量之间的线性关系在总体上是否显著做出推断。若F>Fa(k-1,n-k),则拒绝原假设,即认为列入模型的各个解释变量联合起来对

  • 1
    点赞
  • 1
    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