在前一篇文章中解释了线性回归以及如何梯度下降的方法优化参数,内容参考了吴恩达老师的《机器学习》和书籍《机器学习实战》
这一篇再次回顾线性回归的概念已经它的应用场景,重点展示一个应用的例子。
目录如下:
- 线性回归的概念
- 线性回归的优缺点
线性回归的应用及例子
线性回归的概念
回归可以用来做预测和分类,当目标值是连续的时,我们称为回归;当目标值是离散的时,我们称为分类。线性回归其实就是函数拟合。假设我们有了训练集包含 (x1,x2,y) ,线性回归就是要找到一个函数使下列的式子成立,其中自变量在函数中的最高次项为1, θ 为自变量参数: