今下午开始脑子一直懵,对于刚入机器几天的小渣渣来说,内容越来越难了,学的有些吃力,并且概率论类的东西由于某些原因没能好好学,导致现在看的很费劲。
折腾了一下午一半天,好好梳理了线性回归和Logistic回归,按自己的理解整理一下。
首先,回归就是使用一条直线,对已知点进行拟合(该线成为最佳拟合直线),得到这条直线,通常都是使用梯度上升或者梯度下降的方法求出参数(这里只是差距一个负号,本质一样)
线性回归:
线性回归模型是预测连续输出,如下边例子,求一条最佳拟合直线。
所求函数:
代价函数:
(函数的意思为每个点的纵坐标到拟合直线的距离差的平方的加和,再乘前边的1/(2*m))