这篇博客介绍了机器学习中的线性回归基础知识，包括单变量和多元回归的定义，通过sklearn库实现线性回归模型，并探讨了损失函数、最小二乘法和优化算法，如正规方程和梯度下降法，以及它们在大数据和小数据场景下的应用选择。
机器学习之线性回归
定义与公式
线性回归(Linear regression)是利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式。
特点：只有一个自变量的情况称为单变量回归，多于一个自变量情况的叫做多元回归
代码小探，测试成绩
线性回归api
sklearn.linear_model.LinearRegression()
LinearRegression.coef_：回归系数
1.获取数据集
2.数据基本处理（该案例中省略）
3.特征工程（该案例中省略）
4.机器学习
5.模型评估（该案例中省略）
from sklearn.linear_model import LinearRegression
x = [[80, 86
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
