线性模型大纲:
- 基本形式
- 线性回归
- 基本形式
给定由d个属性描述的示例x=(x1;x2;...;xd)其中xi是x在第i个属性上的取值。
线性模型试图学得一个通过属性的线性组合(学习)来进行预测(预测)的函数:
f(x)=w1x1+w2x2+w3x3+.....wdxd+b
用向量形式写成:f(x)=W^Tx+b
w=(w1,w2,.....wd);
w和b都学得以后,模型就得以确定。
那么看看这个形式,大家觉得线性模型有啥好的?
废话,没啥好我还用得着问吗?当然有了!
首先形式简单啊,看一眼就能写出来。不过别看形式简单,很多强大的非线性模型都是建立在这个小可爱的基础上发展起来的哟~
其次,线性模型有很好的可解释性。w直观表示在预测中各属性的重要性。
![5bc2cc98e4c593e5acea64a4986158fb.png](https://i-blog.csdnimg.cn/blog_migrate/e59224d6ac5eadac32b1f1ea6fe559ce.png)
- 线性回归
给定数据集D={(x1,y1),(x2,y2),......(xm,ym)}
其中xi=(xi1;xi2;xi3;xi4....;xid)
对离散属