一.介绍:回归是机器学习中的一类问题,回归分为线性回归和逻辑回归。这里介绍线性回归。
二.线性回归:举例
- 比如我们有这样一组训练数据(x0,y0),(x1,y1),(x2,y2).......(x10,y10), x表示某一个输入,y表示对应的输出。我们的目的找到一个函数f(x),使得我们任意输入一个x(不一定包含在上述的数据中),都能输出一个准确的y。
- 假设我们的函数表达式是:,从几何上解释就是,我们要找一条合适的直线,来尽可能地拟合我们的训练数据表示出来的曲线。假设我们给上述训练数据(x,y)赋上具体的值。
- 如:(25,27),(60,66),(179,193),(207,393),(226,428),(208,226),(333,633),(338,640),(606,1591),
- 绘制出坐标图如下,
- 我们现在需要找一条直线来拟合,假设我们找这样的一条直线如图:
- 虚线表示我们要找的直线,那么要怎么找到这样一条直线呢。上述我们已经假设直线表达式为:,即这条直线是由参数w和b确定的,所以我们只要求出w和b,直线就确定了。那么怎么求w和b,这就要用到梯度下降了。
如何理解梯度下降?
https://www.cnblogs.com/pinard/p/5970503.html