机器学习简单模型讲解
- 机器学习的目的
机器学习简单来讲就是通过对以往的数据进行分析,得出模型,然后用该模型来预测将来可能出现的情况
最简单的模型
我们在学习函数的时候,都学过这样一个函数:y = 2x+1,在这里我们称作1为截距,2为系数,x则称作因子。通过这样一个简单的一元函数我们可以在给定x值的情况下获得y值。在机器学习中我们将y值就称作预测值,函数y=2x+1就称为模型。简单模型
假设有如下一组销售数据:
index | 单价 x1 | 销量 x2 | 利润 y |
---|---|---|---|
1 | 40 | 50 | 100 |
2 | 43 | 51 | 105 |
3 | 44 | 45 | 105 |
4 | 46 | 39 | 104 |
5 | 54 | 88 | 145 |
6 | 63 | 150 | 233 |
7 | 78 | 56 | 214 |
8 | 43 | 76 | 200 |
9 | 98 | 88 | 543 |
10 | 43 | 66 | 23 |
在这里我们将利润称作y,这里有两个影响利润的因子:分别为单价(x1)和销量(x2) ,所以我们也可以将函数模型写成 y = w1x1+w2x2+b 这里w1与w2都称作系数,b称作截距。
机器学习的目的就是通过一系列过往的数据得到模型,然后使用模型预测将来可能出现的值,就这么简单。