【机器学习】回归算法-线性回归分析、回归实例和回归性能评估

回归算法-线性回归分析、回归实例和回归性能评估

  • 回归:目标值连续;分类:目标值离散
    预测回归和分类是不一样的。回归问题可以用于预测销售额,比如公司的收入、广告可以影响会对销售额进行预测。
  • 举个例子:
    期末成绩:0.7×考试成绩+0.3×平时成绩
    西瓜好坏:0.2×色泽+0.5×根蒂+0.3×敲声
import matplotlib.pyplot as plt
plt.figure(figsize=(10,10))
plt.scatter([60,72,75,80,83],[126,151.2,157.5,168,174.3])
plt.show()

在这里插入图片描述
横坐标为面积;纵坐标为价格 分布关系为直线,预测按其趋势预测就ok。
线性回归就是寻找一种能预测的趋势。
在这里插入图片描述
以上就是一种线性关系。二维:直线。三维:特征与目标值在一个平面上。

在这里插入图片描述

线性回归

  • 定义:线性回归通过一个或者多个自变量与因变量之间之间进行建模的回归分析。其中特点为一个或多个称为回归系数的模型参数的线性组合
    一元线性回归:涉及到的变量只有一个
    多元线性回归:涉及到的变量两个或两个以上
    w为权重,b为偏置
  • 通用公式:
    在这里插入图片描述
    回归和神经网络都是迭代的算法。
  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值