目录
一、基本形式
1.问题描述
给定由d个属性描述的示例其中xi是x在第i个属性上的取值,线性模型试图学得一个通过属性的线性组合来进行预测的函数
2.函数形式
3.向量形式
w 和 b学的之后模型得以确定
二、线性回归
1.问题描述
给定数据集D={(x1,y1),(x2,y2),...,(xm,ym)},其中xi=(xi1;xi2;...;xid;)yi∈。“线性回归”(linear regression)试图学得一个线性模型以尽可能准确地预测实值输出标记。
2.一元线性回归
问题描述:只有一个函数,d = 1,w,b为单个数
目标函数(最小二乘法)
目标函数求解(线性回归模型对最小二乘“参数估计”)
步骤:对w求导,对b求导,导数为零为最优解
3.多元线性回归
关系式
f(xi)=wTxi+b,使得f(xi)yi
目标函数
类似的,可利用最小二乘法来对w和b进行估计。为便于讨论,我们把w和b吸收入向量形式=(w;b),相应的,把数据集D表示为一个m×(d+1)大小的矩阵X,其中每行对应于一个示例,该行前d个元素对应于示例的d个属性值,最后一个元素恒置为1,即
再把标记也写成向量形式y=(y1;y2;...;ym)