linear regression 线性回归

本文详细介绍了线性回归模型,包括模型的图形表示、问题背景、模型建立、代价函数以及解析法和迭代法(梯度下降法、牛顿法)的求解过程。通过实例展示了线性回归在机器学习中的应用,并推荐了相关学习资源。
摘要由CSDN通过智能技术生成

本篇讲述linear regression线性回归模型。参考资料为http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=MachineLearning&doc=exercises/ex2/ex2.html。这个网站很好的是同时提供了源代码,可以直接在matlab上跑。因为之前比较了解,所以视频是跳着看的。同时参考了<pattern analysis and machine learning>中的第三章。这本书对linear regression的本质解释的更清楚。


在所有讨论之前,我们先把linear regression线性回归的模型画出来吧,给大家一个直观的感受


图0. linear regression线性回归模型

这就是linear regression的模型了。接下来我们引入我们的问题。


问题

首先考虑如下的一个例子(例程源码来自这里


图1

求如何进行拟合?


模型建立

我们很自然的想到可以用直线拟合

(1)

给定预测值,每个样本点发生的概率服从正态分布,为

(2)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值