线性回归

最新推荐文章于 2024-06-23 09:14:46 发布

凌摩绛霄

最新推荐文章于 2024-06-23 09:14:46 发布

阅读量232

点赞数

分类专栏： python 机器学习线性回归文章标签：机器学习线性回归

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/qq_18062811/article/details/87911697

版权

python 同时被 3 个专栏收录

29 篇文章 1 订阅

订阅专栏

4 篇文章 0 订阅

订阅专栏

2 篇文章 0 订阅

订阅专栏

引例：

数据：工资和年龄（2个特征）

目标：预测银行会贷款给我多少钱（标签）

考虑：工资和年龄都会影响最终银行的结果，那么它们各自有多大的影响呢？（参数）

回归：通过你的数据最终预测出一个值

（分类：最终的到的是一个类别。比如说银行借还是不借你贷款）

===》对于2维数据，就是找到一条最好的线对数据进行拟合

假设 $\theta$ 1是年龄的参数， $\theta$ 2是工资的参数

拟合的平面：h $\theta$ (x)= $\theta$ 0+ $\theta$ 1x1+ $\theta$ 2x2 ( $\theta$ 0是偏置项)

整合：h $\theta$ （x）= $\sum_{i=0}^{n}\theta_{i} x_{i}$ $=\: \theta ^{}Tx$

误差：真实值和预测值之间肯定是要存在差异的（用ε来表示该误差）

对于每个样本: $y^{(i))}$ = $\theta ^{}Tx$ +ε(i)

误差ε(i)是独立并具有相同分布，并且服从均值为0方法为 $\theta ^{}2$ 的高斯分布

独立：张三和李四一起来贷款，他俩没关系（算法对待每一个数据都一样，没什么区别）

同分布：他俩都来的是我们假定的这家银行

高斯分布：银行可能会给多，也可能会给少，但是绝大多数情况下这个浮动不会太大，极小情况下浮动会比较大，符合正常情况。

似然函数：由数据去推参数

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
线性回归

引例：数据：工资和年龄（2个特征）目标：预测银行会贷款给我多少钱（标签）考虑：工资和年龄都会影响最终银行的结果，那么它们各自有多大的影响呢？（参数）回归：通过你的数据最终预测出一个值（分类：最终的到的是一个类别。比如说银行借还是不借你贷款）===》对于2维数据，就是找到一条最好的线对数据进行拟合假设1是年龄的参数，2是工资的参数拟合的平面：h(x)...
复制链接

扫一扫

专栏目录

评论 1

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。