T4、《机器学习-周志华》:第三章 线性模型

引言:本章会从着重讨论以下几方面:1、线性回归;2、对数几率回归;3、线性判别分析;4、多分类学习以及类别不平衡问题。

一、线性回归(linear regression)

线性模型的一般形式:        \LARGE f(x)=w_{1}x_{1} + w_{2}x_{2} + w_{3}x_{3} +... +w_{d}x_{d} + b

用向量表达写成:  \LARGE f(x)=w^{T}x + b

采用均方误差的方法来确定 w 和 b,因此,可以上均方误差最小化: 

                                                      \LARGE \begin{aligned} (w^{*}, b^{*}) &=\underset{(w, b)}{argmin}\sum_{i=1}^{m}(f(x_{i}) -y_{i})^{2}\\ &=\underset{(w, b)}{argmin}\sum_{i=1}^{m}(y_{i} - wx_{i} - y_{i})^{2} \end{aligned}

 易知,问题转化成求解w和b是上述方程求的最小化过程,称为线性回归模型的最小二乘“参数估计”(parameter estimation)。将右边等式分别对w和b进行求导,可以得到:

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值