线性回归
主要介绍简单线性回归和多元线性回归的知识
早睡身体好_
这个作者很懒,什么都没留下…
展开
-
线性回归的简单python实现
单变量简单线性回归 以波士顿房价问题为例,数据集中共有三个输入变量,一个输出变量,在此我们只是用其中一个输入变量来进行拟合。 1、首先读取数据文件,python中的pandas库可以处理多种格式的数据文件,以csv文件为例,将数据集数据读入内存中:# 读取数据文件data=pd.read_csv("housing.csv")examdf=DataFrame(data) 2、将整个数据集划分为训练集和测试集,在这里用到了sklearn库中的tra...原创 2020-10-21 20:52:49 · 1987 阅读 · 0 评论 -
Batch梯度下降基本知识
梯度下降的定义 当回归问题中特征较多时,预测函数的参数也会跟着变多,此时代价函数的最小化将会非常困难。而梯度下降算法可以帮助我们在参数很多的情况下找到最优的参数取值。 假设我们站在一座小山上,我们的任务就是一直向下走直到处在最低点。首先环顾四周,找一个当下最陡峭的方向,以固定的步长向该方向走一步,再重复此过程,最终会走到一个区域的最低点,但不一定是整座山的最低点。值得注意的是,当我们一开始站的位置不同时,最后走到的位置也可能不同,即会产生不同的局部最优解。梯度下降算法的...原创 2020-10-19 17:05:15 · 1262 阅读 · 0 评论 -
线性回归基础知识
线性回归定义 线性回归属于机器学习中监督学习的范畴。其训练集中的数据一般拥有多个输入变量(也称特征)和一个输出变量,我们对训练集中的数据进行拟合,得到一条近似曲线,并输出为确定的连续函数,即预测函数,是一个从输入变量x到输出变量y的关系函数。然后就可以使用该预测函数对输入的数据进行结果预测。 如上图所示,红叉表示训练集中数据的坐标,蓝色线即为拟合的预期函数曲线。预测函数及代价函数 假设回归模型中的数据只有一个输入变量,即只有一个特征,以房屋估价为...原创 2020-10-19 16:37:20 · 826 阅读 · 0 评论