2.4 线性回归算法学习——简单线性回归算法的衡量指标探索

最新推荐文章于 2024-02-22 09:40:40 发布
最新推荐文章于 2024-02-22 09:40:40 发布
阅读量324 收藏 1
点赞数 1
分类专栏： Mechine Learning之线性回归 机器学习的模型评估与选择
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_34734683/article/details/79510133
版权
简单线性回归算法的衡量指标探索

分类中使用分类准确度衡量分类的准确度

#简单线性回归该如何衡量预测的结果？


可以通过测试集中的真实值与预测值进行比较，如上图，比较误差平方

#存在的问题：误差与样本的数量有关？

改进：除以m,使得结果与m无关


#存在问题2：结果为衡量指标值的平方，值较大时平方翻倍了影响较大，与量纲有关？

改进：开方后量纲一致

，

#另一个评测标准：

平均绝对误差


代码实现





RMSE与MAE的比较


量纲一样，RMSE是将错误平方累加取均值再开跟，当错误值非常大的时候在开方的时候就将错误值放大了而后取得是均值，所以RMSE将错误相对放大了，所以要比MAE要大

海棠依旧xx
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习——简单线性回归算法（Linear Regression）
Liuyt_61的博客
11-03 819
线性回归 解决回归问题 思想简单 许多强大的非线性模型的基础 结果具有很好的可解释性 蕴含机器学习中的很多重要思想 在上图坐标上，每一个点都表示一个数据， 假设是房产价格的数据。线性回归算法说我们认为房屋的面积和价格成一定的线性关系，也就是说随着房屋面积的增大，价格也会增大，并且增大是线性的。 那么在这种假设下，找到一条直线，希望最大程度的“拟合”样本特征和样本输出标记之间的关系。对于上图来...
机器学习基础算法在线练习——线性回归&逻辑回归
m0_72668380的博客
07-03 309
打开jupyter示例函数（生成5*5。
衡量线性回归算法的指标
qq_45906101的博客
11-15 359
衡量线性回归算法的指标
简单线性回归算法
ITpfzl的博客
10-05 329
一、目标               寻找一条直线，最大程度的“拟合”样本特征和样本输出标记之间的关系。在回归问题中我们预测的是一个具体的数值，这个具体的数值是在一个连续的空间里的，如果想看两个特征的回归问题就需要在三维空间里进行观察。样本特征有多个的回归称为多元线性回归     损失函数 对a求偏导数：     最后得到的结果： 求a、b的P...
线性回归之简单线性回归算法
zxctime的博客
10-16 1150
简单线性回归一、什么是线性回归二、线性回归的分类三、一元线性回归的数学知识四、封装一个自己的一元线性回归五、使用自己的一元线性回归预测波士顿房价六、使用sklearn的一元线性回归预测波士顿房价七、回归算法的评判方法1、MSE：均方误差2、RMSE均方根误差3、平均绝对误差4、R-squared 一、什么是线性回归 线性回归是指使用一个线性关系来表示数据 我们数学中学习的 y = a*x + b ，就是最典型的线性回归 二、线性回归的分类 根据未知数的数量，线性回归分为： 一元线性回归 多元线性回归
简单线性回归
weixin_30419799的博客
08-04 157
目录 简单线性回归 一、最小二乘法 二、实现简单的线性回归算法 三、使用面向对象编程实现 四、向量化运算 五、线性回归算法的评价 1、均方误差(MSE) 2、均方根误差(RMSE) 3、平均绝对误差(MAE)...
python sklearn 线性回归 报错_【Python】机器学习（一）——简单线性回归
weixin_33660045的博客
01-28 328
本文大纲一、机器学习及其步骤二、简单线性回归相关性分析协方差和相关系数简单线性回归线性评估模型准确度相关关系和因果关系三、总结一、机器学习及其步骤1.人工智能、机器学习、深度学习的关系：人工智能范围很广，包括了机器学习，而深度学习是机器学习的一种算法。2.机器学习步骤：提出问题理解数据数据清洗构建模型评估3.机器学习中特征和标签的概念特征：好比一个橘子的颜色，大小。即数据的属性。标签：根据橘子颜色...
线性回归与逻辑回归（二）——算法实现
南桥几经秋
07-25 161
1、线性回归 参考连接：python机器学习手写算法系列——线性回归
《速通机器学习》-第2章 线性回归
AI_000916的博客
11-26 809
在企业中，技术人员会将商品的价格、品牌等作为输入来预测商品的销量，甚至通过上市公司的财报、行业信息等来预测公司股票价格的变化。它们的共同点是通过输入来预测输出。在机器学习中，这类业务有一个专门的名字——回归（Regression）。回归是指通过大量已知数据发现输入 x 和输出 y 的内在关系，并对新的输入进行预测。发现内在关系后，就可以通过它来预测新的输入 x 所对应的输出 y^'。在本章中，我们用 y 表示真实的输出，用 y^' 表示预测的输出。在使用回归前，需要假设 y^' 和 x 之间的关系类型。
学习笔记1：线性回归和逻辑回归、AUC
m0_64375823的博客
11-23 797
复习笔记1——线性回归和逻辑回归 文章目录复习笔记1——线性回归和逻辑回归一、机器学习基本概念1.1 什么是模型1.2 极大似然估计1.3为啥使用梯度下降法求解1.4 梯度下降法本质1.5 梯度下降的算法调优1.6 归一化的作用1.7 类别特征的表示1.8 组合特征二、线性回归2.1为啥线性回归使用mse做损失函数2.2 线性回归的抗噪声、抗冗余2.3 正则化和过拟合2.4 欠拟合的解决办法2.5 泛化误差上界三、逻辑回归3.1为何逻辑回归使用交叉熵为损失函数3.2如何理解AUC3.2.1、关于ROC的几个
7.1 简单线性回归算法
liang_biao的博客
07-06 826
前提介绍： 为什么需要统计量？统计量：描述数据特征 0.1 集中趋势衡量0.1.1均值（平均数，平均值）（mean） {6, 2, 9, 1, 2} (6 + 2 + 9 + 1 + 2) / 5 = 20 / 5 = 4 0.1.2中位数 （median）: 将数据中的各个数值按照大小顺序排列，居于中间位置的变量 0.1.2.1. 给数据排序：1， 2， 2， 6， 9 0.1.2.
线性回归的简单介绍
热门推荐
XIAOFEI@IDO
03-19 1万+
一、背景 简单线性回归（Simple linear regression）也称为一元线性回归，是分析一个自变量（x）与因变量（y）之间线性关系的方法，它的目的是拟合出一个线性函数或公式来描述x与y之间的关系。 我们以最简单的一元线性回归回归方程来解释： yi=β0+β1×xi+eiy_i = \beta_0 + \beta_1 \times x_i + e_iyi​=β0​+β1​×xi​+ei​ 其中，yiy_iyi​ 为因变量，xix_ixi​ 为 自变量，β0\beta_0β0​ 为截距， β1\be
2.2 线性回归算法学习——简单线性回归算法的实现及封装
qq_34734683的博客
03-12 382
算法实现import numpy as np import matplotlib.pyplot as plt模拟的数据集x=np.array([1.,2.,3.,4.,5.]) y=np.array([1.,3.,2.,3.,5.])图形绘制plt.scatter(x,y) plt.axis([0,6,0,6]) plt.show()均值x_mean=np.mean(x) y_mean=np.me...
机器学习经典算法7-线性回归
xiaolang85的专栏
06-06 1443
1.简单介绍         分类处理的是离散预测，而对于连续的值类型则可以利用回归进行预测，这里对主要的几个线性回归方法进行初步介绍。这里也有训练集和测试集。 2.单变量线性回归的参数求解 3.多变量线性回归 4.利用矩阵进行参数求解 5.局部加权线性回归 6.岭回归 7.编程实现      这里standMaReg实现的是
线性回归算法，通俗易懂
最新发布
zpyyds__的博客
02-22 351
通俗易懂的人工智能
线性回归评估的指标_线性回归算法的评估指标
weixin_29967003的博客
01-07 8167
评价线性回归的指标有四种，均方误差（Mean Squared Error）、均方根误差（Root Mean Squared Error）、平均绝对值误差（Mean Absolute Error）以及R Squared方法。 sklearn中使用的，也是大家推荐的方法是R Squared方法。用 表示真实的观测值，用 表示真实观测值的平均值，用表示预测值,则：1、均方误差 MSEMSE的值越小，...
Python环境下的8种简单线性回归算法
深度学习世界
01-02 3347
选自Medium作者：Tirthajyoti Sarkar机器之心编译参与：晏奇、刘晓坤本文中，作者讨论了 8 种在 Python 环境下进行简单线性回归计算的算法，不过没有讨论其性能的好坏，而是对比了其相对计算复杂度的度量。GitHub 地址：https://github.com/tirthajyoti/PythonMachineLearning/blob/master/Linear_Regre
线性回归算法
skullFang的博客
01-19 4631
前言 机器学习第二个基础的算法。跟上一篇博客类似这一遍博客会深入讨论线性回归的细节问题。 线性回归算法 线性回归算法主要解决回归问题（废话），但是使用线性回归一定要假装认为数据一定呈线性。其思想简单，实现容易。并且其思路就是大名鼎鼎神经网络的基础。也是很多非线性模型的基础。不像knn，其结果有很好的解释性。 思路 就是从一堆看起来没有联系的样本点中找到一个直线方程，能让数据尽可能
理解并实现机器学习中的线性回归算法及其特点
线性回归是机器学习中一种基础且重要的算法，它通过线性组合的方式预测数值型和标称型数据。该算法的基本概念是寻找一条直线或超平面，使得预测值与真实值之间的误差最小化，体现了其线性模型的本质。线性回归的优势...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值