机器学习3——线性模型（1）

1. 线性模型（1）

• 英文：linear model

1.1 基本形式

1.1.1 问题导入

若在西瓜问题中，决定一个西瓜好坏有三个属性：
1. 色泽
2. 根蒂
3. 敲声
但它们影响西瓜好坏权重不一样：
1. 色泽： 0.2
2. 根蒂： 0.5
3. 敲声： 0.3
则可以简单得到一个预测函数：
f(xi) = 0.2xi1 + 0.5xi2 + 0.3xi3 + 1 
公式解释如下：
1. xi 代表第 i 个示例或样本。
2. xi1, xi2, xi3 分别代表第 i 个示例的第1，第2，第3个属性的属性值。
3. "1": 我觉得是观测范围扩大处理或常量因子。

$$f(xi)=0.2xi1+0.5xi2+0.3xi3+1$$

---

1.1.2 基本公式

1. 给定由 "d" 个属性描述的示例 x = (x1, x2, ..., xd), 其中 "xi" 为属性值。
2. "线性模型"试图学得一个通过"属性的线性组合"来进行"预测的函数"。
3. 抽象出公式的时候，一般就用x代表xi。"示例x" 代替 "第i个示例xi"。

f ( x ) = w 1 x 1 + w 2