目录
1.线性回归
一个简化模型
- 假设1:影响放假的关键因素是卧室个数,卫生间个数和居住面积,记为x1,x2,x3
- 假设2:成交价实关键因素的加权和 y = w1 * x1 + w2 * x2 + w3 * x3 +b
权重和偏差的实际值在后面决定
线性模型:可以看做是单层神经网络
- 给定n维输入 x = [x1,x2,…xn]
- 线性模型有一个n维权重和一个标量偏差
- w = [w1,w2,…,wn] b
- 输入是输出的加权和
- y = w1 * x1 + w2 * x2 +…+wn * xn + b
- 向量版:y = <w , x> + b
衡量预估质量
- 比较真实值和预估值,例如房屋售价和估价
- 假设y是真实值,z是估计值,我们可以比较
- L(y,z) = 1/2(y-z)^2 这个叫做平方损失
训练数据
- 收集一些数据点来决定参数值(权重和偏差),例如过去6个月卖的房子
- 这被称为训练数据
- 通常越多越好
- 假设我们有n个样本,记
- X =[x1,x2,x3…xn] y = [y1,y2,y3…yn]