本文主要向大家介绍了机器学习入门之机器学习——预测数值型数据:回归,通过具体的内容向大家展现,希望对大家学习机器学习入门有所帮助。
线性回归
优点:结果易于理解,计算上不复杂
缺点:对非线性的数据拟合不好
适用数据类型:数值型和标称型数据
回归的目的就预测数值型的目标值。最直接的办法就是依据输入写一个目标值的计算公式。这个计算公式就是所谓的回归方程(regression equation),其中的参数就是回归系数,求这些回归系数的过程就是回归。
说道回归,一般都是指线性回归(linear regression)。
一元线性回归的矩阵形式可以写成,其中 是噪声,b是回归系数(斜率)
或者 ,其中y、X、a、都是n维向量,而b是一个标量。因为此时特征就是一个。
如果变成了d维的特性,那么b就是一个由回归系数组成的d维向量,X变成了n×d的矩阵,此时可以写成
或者 ,其中X是n×(d+1)的矩阵(第一列元素都是1,其余列都是x1...xn),w是(d+1)×1的向量
本文由职坐标整理并发布,希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道!