关于房价预测
1、一个简化的模型
假设1:影响房价的关键因素是卧室个数,卫生间个数和居住面积,记为x1,x2,x3.
假设2:成交的关键因素的加权和
y=w1x1+w2x2+w3x3+bquanzhong
权重和偏差的实际值在后面决定
2、线性模型
- 给定n维输入:
- 线性模型有一个n维权重和一个标量偏差:
- 输出是输入的加权和:
向量版本:y=<w,x+b
3、线性模型可以看做是单层神经网络
4、神经网络源于神经科学
5、衡量预估质量
比较真实值和预估值,例如房屋售价和估价
假设y是真实值,y^是预估值,我们可以比较:
这个叫平方损失。
6、训练数据
收集一些数据点来决定参数值(权重和偏差),例如过去6个月卖的房子,这个被称为训练数据。
通常数据越多越好。
假设我们youn个样本,记:
7、参数学习
训练损失:(损失函数)
最小化损失来学习参数:
8、显示解
将偏差加入权重
损失是凸函数,所以最优解满足:
9、总结:
- 线性回归是对n维输入的加权,外加偏差
- 使用平方损失来衡量预测值和真实值的差异
- 线性回归有显示解
- 线性回归可以看做单层神经网络