机器学习-监督学习之线性回归
文章目录
线性回归
分类预测的是状态,而回归预测的是值。
举个例子: 房价预测
我们知道小的房子价格为$70000, 大的房子价格为$160000,那么假设价格是线性的,那么中间大小的房子价格为多少?
用数据拟合直线
我们遇到一些点,想要用用这些点来拟合直线,那么想法则是这条线离所有的点都尽可能的接近。
调整直线
调整直线的位置我们通过更改直线的斜率w1,和y轴截距w2来完成。
绝对值技巧Absolute Trick
假设直线为y = w1x +w2 已知一点为(p, q),我们想让直线靠近点则可以将w2 + 1,则直线向上移动1,同时w1+p 则直线向点的方向转动一个角度,这时直线将会更靠近点,如下图:
但是,我们不会直接取这么大的步长,因为我们希望直线一点一点的靠近点,所以我们设置一个learning rate α \alpha α ,则公式变为 y = ( w 1 + p α ) x + ( w 2 + α ) y=(w~1~+p\alpha)x+(w~2~+\alpha) y=(w 1 +pα)x+(w 2 +