从之前的学习中,可以知道,回归 Regression 和 分类 Classification 是非常重要的两个概念
那么回归是什么呢?
Regression 就是找到一个函数 function ,通过输入特征 xx,输出一个数值 Scalar。
它的结果是一个数值;同时某种程度上它也是一种预测;
模型步骤
step1:模型假设,选择模型框架(线性模型)
可以类比为感知机吧,这里?
y = b + w ⋅ x c p y = b + w·x_{cp} y=b+w⋅xcp ; ω \omega ω为权重,b可以看作为结果值,
y=0 则为决策边界
抽象为多个特征(权重向量和特征向量)
w = ( w 1 w 2 ⋮ w n ) , x = ( x 1 x 2 ⋮ x n ) \boldsymbol{w}=\begin{pmatrix}w_1\\w_2\\\vdots\\w_n\end{pmatrix},\quad\boldsymbol{x}=\begin{pmatrix}x_1\\x_2\\\vdots\\x_n\end{pmatrix} w=⎝⎜⎜⎜⎛w1w2⋮wn⎠⎟⎟⎟⎞,x=