机器学习——线性回归、逻辑回归、正则化

最新推荐文章于 2023-02-23 23:03:24 发布

Leo_SC_Liu

最新推荐文章于 2023-02-23 23:03:24 发布

阅读量489

点赞数 2

分类专栏：机器学习文章标签：逻辑回归线性回归

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_44425969/article/details/127911472

版权

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： $\hat{y}=b_{0}+b_{1}x$ 。其中 $\hat{y}$ 为线性回归预估的值， $b_{0}$ 和 $b_{1}$ 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 $\varepsilon =y_{i}-\hat{y}_{i}$ 。其中 $y_{i}$ 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 $SSE=\sum (y_{i}-\hat{y}_{i})^{2}$ 。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 $b_{0}$ 和 $b_{1}$ 表示如下：

$b_{1}=\frac{\sum x_{i}y_{i}-[(\sum x_{i})(\sum y_{i})]/n}{\sum x_{i}^{2}-(\sum x_{i})^{2}/n}$ (1)

最低0.47元/天解锁文章

关注

2
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
机器学习——线性回归、逻辑回归、正则化

有关线性回归，逻辑回归，岭回归和Lasso回归
复制链接

扫一扫

专栏目录

评论

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。