点击上方关注,All in AI中国
线性回归简介
线性回归是监督学习的一个重要算法。在本文中,我将重新使用我从[1](参考文献部分)中引用的以下符号。
- xi表示“输入”变量,也称为输入特征
- yi表示我们试图预测的“输出”或目标变量
- 一对(xi,yi)被称为训练示例
- m个训练样例列表{xi,yi; i = 1,...,m}称为训练集
- 符号中的上标“i”是训练集的索引
- X表示输入值的空间,Y表示输出值的空间。在本文中,我将假设X = Y = R.
- 函数h:X - > Y,其中h(x)是y的对应值的良好预测器,称为假设或模型
当我们试图预测的目标变量是连续的时,我们称学习问题为回归问题。当y仅占用少量离散值时,我们将其称为分类问题。
线性回归意味着您可以将输入相加乘以一些常量来获得输出,我们将按如下方式表示h函数: