二次线性回归方程公式_Lain所理解的线性回归问题

> 课程简介

本次课程中，将会带领大家使用了解并掌握机器学习中基本的算法-线性回归，老师将会给大家详细的讲解线性回归方程如何一步一步进行推导，主要让大家了解思路，知道公式的由来以及推导过程，公式全部从白板手动推导。

由于Python以及帮我们封装好了函数，所以课程的重点在于理解问题，而不是用代码去实现(后期有时间可以带领大家实现)

其中包括最小二乘，正态分布，极大似然估计，概率密度，岭回归，Lasson回归，范数，极值问题求解，欠拟合，过拟合，带有约束条件的极值问题求解，拉格朗日乘数法等等知识。

从简单的一元一次线性回归，一元二次线性回归，二元一次线性回归，n元n次线性回归，一步一步拓展，减少大家对问题的理解跨度。

其中老师也会用自己对知识的理解分享给同学，满满的干货哟~。

(PS：编程语言不重要，重要的是思路，所以这节课不需要很厉害的编程基础，但是希望具有一定的数学基础)

> 课程内容

• 一元一次线性回归问题

  • 理解

  • 解题思路

  • 矩阵求导

  • 极值问题

  • 最小二乘

  • 极大似然

  • 一元二次线性回归问题

  • 二元一次线性回归问题

  • N元N次线性回归问题

• 线性回归的评估

  • 原因

  • 解决

  • 原因

  • 解决方式

  • 拉格朗日乘数法

  • 过拟合

  • 欠拟合

  • MSE

  • R^2

• 岭回归

• Lasson回归

课时列表：

00 - 课程大纲

000 - 课程演示

01 - 线性回归问题的目的

02 - 如何判断那条线更好

03 - 转换最小值

04 - 求点到直线的距离的最小值

05 - 使用矩阵表示最小值求和

06 - 转化AX-B

07 - 推导公式求最小值

08 - 四个矩阵求导法则

09 - 求解X的解析解

10 - 完成最小二乘

11 - 总结最小二乘整体方法

20 - 极大似然估计

21 - 极大似然理解

22 - 极大似然估计的求解方法

23 - 另一种判断直线好的方法

24 - 标准正态分布的概率密度

25 - 连续形随机变量

26 - 求解似然函数

27 - 解释谁和谁成正态分布

28 - 求解似然函数

29 - 完成极大似然估计函数求解

30 - 前面课程的总结

31 - 使用Python给大家演示线性回归

32 - 代码演示线性回归

401 - 回顾一元一次线性回归问题求解思路

402 - 拓展为一元二次线性回归问题

403 - 拓展为一元N次线性回归问题

404 - 拓展为二元一次线性回归问题

405 - 二元一次线性回归方程

406 - 完成拓展二元一次线性回归

407 - 拓展N元一次回归

408 - 解决N元一次线性回归

409 - 多项式回归的代码

410 - 生成数据集

411 - 代码多项式展开

412 - 查看代码生成的图像

413 - 提高多项式的复杂程度

414 - 过拟合的引入

501 - 模型的评估过拟合与欠拟合

502 - 过拟合欠拟合的解释

503 - 增加模型约束 - 范数

504 - Lasson回归与岭回归

505 - 拉格朗日乘数法

506 - 防止过拟合数学推导

507 - 使用解析解解线性回归

508 - 两种方式求解线性回归

509 - 使用拉格朗日乘数法求解带有约束条件的极值问题

510 - 课程总结

课程链接：http://www.sikiedu.com/course/583