线性回归
线性回归
为谁攀登
积跬步至千里、 自律专注自由
展开
-
线性回归算法(二)-- 最优解与损失函数
介绍要理解最优解和损失函数,我们需要先弄明白什么是误差。以简单线性回归为例,如下图所示,青色数据样本为真实值yyy,直线上同一xxx位置的红色样本点为预测值y^\hat{y}y^,它们之间的空间距离r=∣y−y^∣r=|y-\hat{y}|r=∣y−y^∣就是误差,即真实样本点与预测样本点之间的距离。那么,如果我们把直线上每一个样本点的误差相加求和,就可以得到一个模型的整体误差。目录...原创 2020-04-18 16:58:36 · 3417 阅读 · 0 评论 -
线性回归算法(一)-- 简单线性回归与多元线性回归
介绍线性回归是一种有监督机器学习算法,它分为简单线性回归和多元线性回归。从数学角度直观理解,它就是通过某个公式(比如y=a+bx1+cx2y=a+bx_1+cx_2y=a+bx1+cx2),来表达一个yyy值和nnn个xxx值之间的关系。yyy值:指目标变量target,也就是我要预测的值,是连续型的;xxx值:指预测变量predictors,也叫维度或特征,可以连续也可以离散;abc...原创 2020-04-14 23:31:50 · 4074 阅读 · 0 评论 -
机器学习四大任务:回归、分类、聚类与降维
回归任务回归是对已有的数据样本点进行拟合,再根据拟合出来的函数,对未来进行预测。回归数据是连续的值,比如商品价格走势的预测就是回归任务。分类任务分类需要先找到数据样本点中的分界线,再根据分界线对新数据进行分类,分类数据是离散的值,比如图片识别、情感分析等领域会经常用到分类任务。聚类任务聚类是根据样本之间的相似度,将一批数据划分为N个组。比如用户分组、异常值检测等领域会用到聚类任务...原创 2020-04-12 10:21:37 · 8814 阅读 · 0 评论 -
人工智能的主要处理流程
为了更好的理解人工智能的主要处理流程,我们首先要弄思考下面三个问题。1、人工智能的本质逻辑什么?其实就是如何让机器,能够像人一样的思考和工作,也就是“让机器拟人”。2、人是如何思考和工作的?当然是基于以往积累的知识和经验,进行劳动生产。3、人工智能会如何思考和工作呢?则是先对某个领域的数据进行挖掘,再通过算法进行建模,最终能用模型对未来的目标进行预测。...原创 2020-04-11 10:29:38 · 4007 阅读 · 0 评论 -
人工智能的主要算法与应用
人工智能的主要算法与应用1.主要算法2.主要应用1.主要算法2.主要应用原创 2020-04-09 22:33:39 · 7713 阅读 · 0 评论