什么是回归
回归算法是相对分类算法而言的,与我们想要预测的目标变量 y 的值类型
有关。如果目标变量 y 是分类型变量,如预测用户的性别(男、女),预测花的颜色(红、白、黄……),那我们就需要用分类算法去拟合训练数据并做出预测;如果 y 是连续型变量,如预测用户的收入(4 千,2 万,10 万……),预测员工的通勤距离(500m,1km,2 万里……),我们则需要用回归模型。有时分类问题也可以转化为回归问题,我们可以用回归模型先预测出概率,然后再给定一个阈值,例如 50%,概率值在 50%以下的划分为一类,50%以上则划分为另一类。
这种分类型问题的回归算法预测,最常用的就是逻辑回归。
一元线性回归
我们将 y 作为因变量,x 作为自变量,得到方程:
𝑧 = 𝑏𝑦 + 𝑐
当给定参数 a 和 b 的时候,画在坐标图内是一条直线。
当我们只用一个 x 来预测 y,就是一元线性回归,也就是在找一个直线来
拟合数据。比如,我有一组数据画出来的散点图,横坐标代表房屋面积,纵坐标代表房子的价钱,线性回归就是要找一条直线,并且让这条直线尽可能地拟合图中的数据点。
线性回归模型
最新推荐文章于 2023-03-19 19:25:19 发布