初谈回归,我们不禁要回忆到数理统计中学到的回归概念,“https://baike.baidu.com/item/%E5%9B%9E%E5%BD%92/10412815?fr=aladdin”这是百度百科给出的对于回归的一些概念。
在机器学习算法中,回归是所有算法中最先涉及和学习的,回归分为单变量线性回归和多变量回归,也即是之前数学中学到的一元回归和多元回归。机器学习中所涉及的回归一般是线性回归。线性回归需要一个线性模型,属于监督学习,因此方法和监督学习应该是一样的,先给定一个训练集,根据这个训练集学习出一个线性函数,然后测试这个函数是否足够拟合训练集数据,然后挑选出最好的线性函数。
回归分析的分类:
1.线性回归分析
一元线性回归
多元线性回归
2.非线性回归分析
逻辑回归
神经网络
回归分析的步骤:
1.根据预测目标,确定自变量与因变量;
2.绘制散点图,确定回归分析模型;
3.估计模型参数,建立回归模型;
4.对回归模型进行检验;
5.利用回归模型进行预测。
下面主要探讨线性回归。
在进行线性回归模型的建立时,我们需要首先判断给出的数据集是否适合做回归。一般可以使用散点图做出初步判断,看散点的分布是