一元线性回归(一)----简单线性回归与最小二乘法

最新推荐文章于 2024-04-10 12:18:56 发布

秋秋小事

最新推荐文章于 2024-04-10 12:18:56 发布

阅读量4.3w

点赞数 13

分类专栏：统计学习笔记文章标签：数据挖掘机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/jiaoyangdetian/article/details/89326342

版权

统计学习笔记专栏收录该内容

13 篇文章 2 订阅 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

一理论与基础

自变量：样本的特征数值

因变量：需要预测的样本的预测值

1 简单线性回归(simple linear regression)

$y = \beta _{0 }+\beta _{1}x+\varepsilon$

y:样本的预测值，即回归模型中的应变量

x:样本的特征数值，即回归模型中的自变量

$\varepsilon$ :回归模型中的误差项，误差项说明了包含在y里面，但不能被x与y之间线性关系解释的变异性

2 线性回归方程

$E(y) = \beta _{0} + \beta _{1}x$ ,可以看到它是一条直线

$\beta_{0}$ : 回归直线y轴的截距

$\beta_{1}$

了解本专栏

超级会员免费看

关注

13
点赞
踩
140

收藏

觉得还不错? 一键收藏
3
评论
一元线性回归(一)----简单线性回归与最小二乘法

一理论与基础自变量：样本的特征数值因变量：需要预测的样本的预测值1 简单线性回归(simple linear regression)y:样本的预测值，即回归模型中的应变量x:样本的特征数值，即回归模型中的自变量:回归模型中的误差项，误差项说明了包含在y里面，但不能被x与y之间线性关系解释的变异性2 线性回归方程,可以看到它是一条直线:回归直线y轴的截...
复制链接

扫一扫

专栏目录

评论 3

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。