一、背景
在机器学习的范畴中,回归是放在监督学习模块中(机器学习分为:监督学习/非监督学习/半监督学习/深度学习)。简单来说,监督学习就是数据有标准的答案(标签),而算法的目的是在一定程度上展示其内在规律。这个内在规律由于算法的不同和数据的不同有时候会有不同的表现,甚至我们的算法并不去找到这个规律,只是在认可其稳定存在的基础上,描述和预测数据。统计学相对机器学习,在展示数据规律这个目的上,表现的要高。但是另一方面,当数据的分布规律难以描述时,同时数据量横向纵向都变大时,就需要机器学习即算法这个工具了。机器学习相对于传统的统计学,弱化了数据的分布要求,强化了计算功能。具体来说,机器学习中的回归算法是属于监督算法,并且其标签是连续值。
二、目标函数
对于监督学习,目标函数是平均误差函数。
特别的,对于线性回归,
其中:m:训练数据集的大小
X:输入变量,是向量
Y:输出变量,是实数
(x
机器学习中回归模型的设计
最新推荐文章于 2024-07-17 19:00:00 发布