本文采用一个常见的例子:蟋蟀的叫声与气温之间的联系:
上图就是叫声和温度之间最直观的表示图,有图可知,随着温度的上升,蟋蟀也会更加躁动。(横坐标叫声,纵坐标是温度,摄氏度为单位)。
上图显示,你可以直观的绘制一条近似的直线来匹配这样的关系。
仔细观察发现,并不是所有点都被直线穿过。但是该直线确实反映了这两者之间的联系。使用方程式可以表示为:
- y=mx+b
- y即使需要表示的温度
- m为直线的斜率
- x就是每分钟叫的次数,就是我们需要输入的特征、
- b就是y轴的截距,有的地方用w0表示
按照机器学习的惯例,你会为一个模型写一个稍微不同的方程:
- y’=b+w1*x1
- y’是预测标签,我们期望得到的输出
- b就是y轴的截距,有的地方用w0表示
- w1 是特征 x1 的权重
- x1 为特征,已知输入
尽管此模型仅使用一个特征,但更复杂的模型可能会依赖多个特征,每个特征都有各自的权重。例如,依赖于三个功能的模型可能如下所示:
- y’ = b + w1x1 + w2x2 + w3*x3