目录
一.线性模型及回归:
线性模型的一般形式:
![](https://img-blog.csdnimg.cn/f39cd627adc54341827ce340d074a881.png)
其中
x
=(
x
1
,
x
2
, ...,
x
d
)
是由
d
维属性描述的样本,其中
x
i
是
x
在第
i
个属性上的取值。
向量形式可记为:
![](https://img-blog.csdnimg.cn/da82c2296d8a41d0a1b22771d3387aa5.png)
1.一维数据线性模型:
给定数据集:
![](https://img-blog.csdnimg.cn/c0461061924545308745f252306bb91c.png)
一维数据线性模型最终需要得到:
这样可以准确的预测出该线性模型在xi处的值;
即我们需要将误差尽可能的减少;
下面我们将用到最小二乘法,即利用均方误差最小化来求解参数
该函数已被证明为凸函数,由于凸函数的性质我们可以通过求取极值点来求取极小值
分别对这两个参数求偏导数,并且令这两个偏导数为0;
最终得到w和b的值:
通过上述公式,我们可以通过已知的数值算出最终一维数据线性模型的w和b的值。
2.多维数据:
多维数据集:
我们想通过:
在多维数据集中,我们可以将其表示为向量模式:
同样通过最小二乘法,求取最小误差: