机器学习笔记10 -- 回归与聚类算法

回归和聚类

线性回归：欠拟合与过拟合 -> 岭回归

分类算法：逻辑回归

模型保存与加载

无监督学习：K - means

线性回归

原理：

        回归问题：目标值为连续型的数据

        应用场景：房价预测，销售额度预测，金融类问题

        定义：

                

                函数关系：目标值 -- 特征值 ——>线性模型

                广义线性模型：非线性关系

                        自变量一次方

                        参数一次方

                线性关系  线性模型

线性回归的损失和优化原理：

        目标：求模型参数，使得模型能够预测准确

                真实关系：

                随意假定：

                通过一种方法将两个之间的误差不断的减少，更新权重和偏置，当误差越来越小模型也就变的准确

                —— 损失函数/cost/成本函数/目标函数：

                        

         

API：