第三章 线性模型
此部分设计到了机器学习的思想,也是最基础,最简单的线性的拟合。
给出线性模型的一般形式,其实就是不同的属性分配不同的权重,最后加上常数项。写成向量形式x属性为列向量,因此采用转置然后再相乘。
那么就涉及到一个问题,这个w和b该怎么确定呢?在上一节我们提到一个概念————均方误差,这个概念就是我们常用的评估度量参数。因此,w和b可以采用使均方误差最小的取值。也就是所说的最小二乘法。
对于多元的数据集,将b吸收进x中则:
经过复杂的运算最终得到:
第三章 线性模型
此部分设计到了机器学习的思想,也是最基础,最简单的线性的拟合。
给出线性模型的一般形式,其实就是不同的属性分配不同的权重,最后加上常数项。写成向量形式x属性为列向量,因此采用转置然后再相乘。
那么就涉及到一个问题,这个w和b该怎么确定呢?在上一节我们提到一个概念————均方误差,这个概念就是我们常用的评估度量参数。因此,w和b可以采用使均方误差最小的取值。也就是所说的最小二乘法。
对于多元的数据集,将b吸收进x中则:
经过复杂的运算最终得到: