回归(regression)——统计学习方法

回归(regression)

回归是监督学习的另一个重要问题。

回归用于预测输入变量(自变量)和输出变量(因变量)之间的关系,特别是当输入变量的值发生变化时,输出变量的值随之发生的变化。

回归模型是表示从输入变量到输出变量之间映射的函数。

回归问题的学习等价于函数拟合:选择一条函数曲线使其很好地拟合已知数据且很好地预测未知数
据。

回归问题分为学习和预测两个过程。首先给定一个训练数据集:
在这里插入图片描述

这里, x i x_i xi是输入, y i y_i yi是输出

学习系统基于训练数据构建一个模型,即函数 Y = f ( X ) Y=f(X) Yf(X);对新的输入 x N + 1 x_{N+1} xN+1,预测系统根据学习的模型 Y = f ( X ) Y=f(X) Yf(X)确定相应的输出 y N + 1 y_{N+1} yN+1
在这里插入图片描述

回归的分类

回归问题按照输入变量的个数,分为一元回归和多元回归;按照输入变量和输出变量
之间关系的类型即模型的类型,分为线性回归和非线性回归。

损失函数

回归学习最常用的损失函数是平方损失函数,在此情况下,回归问题可以由著名的最
小二乘法(least squares)求解。

应用

许多领域的任务都可以形式化为回归问题,比如简单介绍股价预测问题。具体地,将影响股价的信息视为自变量(输入的特征),而将股价视为因变量(输出的值)。将过去的数据作为训练数据,就可以学习一个回归模型,并对未来的股价进行预测。

可以看出这是一个困难的预测问题,因为影响股价的因素非常多,我们未必能判断到哪些信息(输入的特征)有用并能得到这些信息。

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