机器学习算法基础 DAY 6 线性回归&岭回归

最新推荐文章于 2024-06-17 22:27:56 发布

Heiko_Lee

最新推荐文章于 2024-06-17 22:27:56 发布

阅读量168

点赞数

分类专栏：笔记文章标签：回归机器学习算法

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_44376037/article/details/121236153

版权

回归算法-线性回归分析

回归：目标值连续

线性回归：寻找一种能预测的趋势

线性关系：二维，直线关系；三维，目标值在一个平面内。

在这里插入图片描述

线性模型

通过属性的线性组合来进行预测的函数：

在这里插入图片描述

线性回归

在这里插入图片描述

预测结果与真实值是有一定的误差

单变量：
在这里插入图片描述

多变量：
在这里插入图片描述

损失函数(误差大小)

在这里插入图片描述

尽量去减少这个损失（两种方式），目的是找到最小损失对应的W值。

最小二乘法之正规方程（参数最优解）

在这里插入图片描述

这个参数向量，就可以让代价函数取最小值。

在这里插入图片描述

梯度下降法

在这里插入图片描述

sklearn线性回归正规方程、梯度下降API

正规方程：

sklearn.linear_model.LinearRegression

梯度下降：

sklearn.linear_model.SGDRegressor

coef_：回归系数

线性回归实例

波士顿房价数据集分析流程

1、波士顿地区房价数据获取

2、波士顿地区房价数据分割

3、训练与测试数据标准化处理

4、使用最简单的线性回归模型LinearRegression和
梯度下降估计SGDRegressor对房价进行预测

在这里插入图片描述

在这里插入图片描述

最低0.47元/天解锁文章

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
机器学习算法基础 DAY 6 线性回归&岭回归

回归算法-线性回归分析回归：目标值连续线性回归：寻找一种能预测的趋势线性关系：二维，直线关系；三维，目标值在一个平面内。线性模型通过属性的线性组合来进行预测的函数：线性回归预测结果与真实值是有一定的误差单变量：多变量：损失函数(误差大小)尽量去减少这个损失（两种方式），目的是找到最小损失对应的W值。最小二乘法之正规方程这个参数向量，就可以让代价函数取最小值。最小二乘法之梯度下降sklearn线性回归正规方程、梯度下降API正规方程：sklearn.line
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。