1 线性回归
线性回归是一种基本的统计学习方法,用于建立自变量和因变量之间的线性关系,并且可以用于预测新的数据点。
线性回归模型可以表示为:y = w*x + b + e,x和y分别为自变量和因变量,w和b为模型参数,e为误差项。简单线性回归的任务就是,给定一组x和一组y,通过训练找到最优的模型参数w和b,使得预测值y_hat和真实的y尽可能接近。损失函数一般为均方误差。
其构建思路为:
2 实例及代码
问题:给定一组自变量数据:[0.9],[2.3],[3.1],[3.9],[5.0];一组因变量数据:[3.2],[7.0],[9.2],[12.1],[15.2],训练权重w和b并输出。
代码:
结果: