机器学习 线性回归策略,优化,案例

本文探讨了机器学习中线性回归的策略,重点介绍了两种优化方法——正规方程和梯度下降,并提供了sklearn库的API使用示例。通过实例分析了线性回归模型的构建过程,包括正规方程的实现和梯度下降求解,同时对回归性能进行了评估。
摘要由CSDN通过智能技术生成

线性回归策略,优化,案例

在这里插入图片描述

在这里插入图片描述

策略:损失函数(误差大小)

在这里插入图片描述

优化

如何求模型中的w,使得损失最小。

第一种:最小二乘法之正规方程(不建议用)
在这里插入图片描述
在这里插入图片描述
第二种(最小二乘法之梯度下降)

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

sklearn线性回归正规方程、梯度下降API

在这里插入图片描述

在这里插入图片描述
scikit-learn:
优点:封装好,建立模型简单,预测简单。
缺点:算法的过程,有些参数都在算法API内部。

tensorflow:封装高低,能够自己

实例

在这里插入图片描述
在这里插入图片描述

分析流程:
在这里插入图片描述

正规方程

源代码:

from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression,SGDRegressor
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
import numbers 

def mylinera():
    
  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
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

打赏作者

黎明之道

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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