机器学习之多元线性回归

多元线性回归

多元线性回归：

多元线性在一元线性回归的基础上，增加了多个特征，目标函数与一元线性回归类似，但也有区别

这样一比，区别自然而然就出来了！

多元线性回归的目标函数以及解析解

补充：

多元线性回归的目标函数

目标函数的解析解

注意：

代码实现

#从0实现多元回归
import numpy as np 
# 创建样本数据
X = np.array([[1, 2], [2, 3], [3, 4], [5, 6]]) 
y = np.dot(X, np.array([3, 3])) + 1
# 先使用sklearn自带的库来解决 
model = LinearRegression().fit(X, y) 

res = np.matmul(np.linalg.inv(np.matmul(X.T,X)),np.matmul(X.T,y))
print ("手写代码实现线性回归模型参数为 coef: ", res[1:], " intercept: %.5f"%res[0])