监督学习分为:回归和分类
回归就是利用模型拟合输入特征与标签之间的关系;线性回归是通过属性的线性组合来进行预测的线性模型,其目的是找到一条直线,一个平面或者更高维度的超平面,使得预测值和真实值之间的误差最小。
线性回归的优点:
易于建模,形式简单,可解释性,非线性模型的基础
监督学习分为:回归和分类
回归就是利用模型拟合输入特征与标签之间的关系;线性回归是通过属性的线性组合来进行预测的线性模型,其目的是找到一条直线,一个平面或者更高维度的超平面,使得预测值和真实值之间的误差最小。
线性回归的优点:
易于建模,形式简单,可解释性,非线性模型的基础