线性回归
原理
线性回归的目标是对给定的训练数据以一条直线进行拟合。其不仅可以用来进行预测,还可以评估x和y之间关系的强弱。
线性回归通过产生一条直线与数据进行拟合,直线表示为:。其中为线性回归预估的值,和为模型参数。
为了找到与数据拟合最好的直线,需要定义预测误差。单个数据的误差可以定义为。其中为数据的真实值。而模型的整体误差可以用SSE表示,SSE定义为。模型训练需要最小化SSE,这可以使用最小二乘法,根据最小二乘法得到的参数和表示如下:
(1)
线性回归的目标是对给定的训练数据以一条直线进行拟合。其不仅可以用来进行预测,还可以评估x和y之间关系的强弱。
线性回归通过产生一条直线与数据进行拟合,直线表示为:。其中为线性回归预估的值,和为模型参数。
为了找到与数据拟合最好的直线,需要定义预测误差。单个数据的误差可以定义为。其中为数据的真实值。而模型的整体误差可以用SSE表示,SSE定义为。模型训练需要最小化SSE,这可以使用最小二乘法,根据最小二乘法得到的参数和表示如下:
(1)