线性模型-----机器学习

最新推荐文章于 2023-04-23 20:15:59 发布

Lavender-csdn

最新推荐文章于 2023-04-23 20:15:59 发布

阅读量342

点赞数

分类专栏：机器学习文章标签：机器学习数据挖掘

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/kidchildcsdn/article/details/104740592

版权

线性模型

1. 基本形式

给定由d个属性描述的示例 x=(x_1;x_2;...;x_d) ，其中 x_i 是在第i个属性上的取值，线性模型试图学得一个通过属性的线性组合进行预测的函数，即： f(x)=w_1x_1+w_2x_2+...+w_dx_d+b ，一般用向量形式写成：

其中 w=(w_1;w_2;...;w_d) 。和学的之后，模型就得以确定。

线性模型形式简单，方便建模，很多功能强大的非线性模型可以在线性模型的基础上通过引入层级结构或者高维映射而得到。其中参数非常直观的表达了各个属性在预测中的重要性，所以线性模型的可解释性很强。

2. 线性回归（一元、多元）

给定数据集 $D={(\textbf{x}_1,y_1),(\textbf{x}_2,y_2),...,(\textbf{x}_m,y_m)}$ ，其中

最低0.47元/天解锁文章

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
线性模型-----机器学习

线性模型1. 基本形式给定由d个属性描述的示例，其中是在第i个属性上的取值，线性模型试图学得一个通过属性的线性组合进行预测的函数，即：，一般用向量形式写成：其中。和学的之后，模型就得以确定。线性模型形式简单，方便建模，很多功能强大的非线性模型可以在线性模型的基础上通过引入层级结构或者高维映射而得到。其中参数非常直观的表达了各个属性在预测中的重要性，所以线性模型的可解释性很强。...
复制链接

扫一扫

专栏目录

评论

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。