一、线性回归——寻找最佳拟合直线
1、 线性回归的特点: 易于理解、计算简单; 但是对于非线性数据拟合不好;适用于数值型和标称型数据。
2、 为了寻找对数据最佳拟合的直线,一般常用的方法就是寻找使误差最小的w,我们采用平方误差:
如果对其求导,零导数为0,则得到:
这就是一般的线性回归估计出的w的最优解。
注意:此方程只在逆矩阵存在的时候才有效。
最佳拟合直线将数据视为直线进行建模,但是如果数据的预测值和特征之间不是线性关系,那么将不能取得很好的效果,会出现
欠拟合现象。
二、 局部加权线性回归
1、 线性回归模型容易出现欠拟合现象