线性模型就是希望通过属性的线性组合得到预测函数。许多非线性的模型其实也是基于线性模型得来的。
1.线性回归:
给定数据集 D = {(æ1,Y1),...,(æm,Ym)}, 线性回归其实就是利用线性模型试图得到最接近正确正确值。
均方差是衡量回归任务中最常用的指标
2.对数几率回归
找到单调可微的函数将分类任务的值与回归模型预测的值联系起来
3.线性判别
尽可能将同样的类型的案例投影在相接近,而异类投影的较远处。
线性模型就是希望通过属性的线性组合得到预测函数。许多非线性的模型其实也是基于线性模型得来的。
1.线性回归:
给定数据集 D = {(æ1,Y1),...,(æm,Ym)}, 线性回归其实就是利用线性模型试图得到最接近正确正确值。
均方差是衡量回归任务中最常用的指标
2.对数几率回归
找到单调可微的函数将分类任务的值与回归模型预测的值联系起来
3.线性判别
尽可能将同样的类型的案例投影在相接近,而异类投影的较远处。