假设 x = ( x 1 , x 2 , . . . , x n ) \boldsymbol x=(x_1,x_2,...,x_n) x=(x1,x2,...,xn) 其中 x i x_i xi 是 x \boldsymbol x x 在第 i i i 属性上的取值，则线性模型可以表示成如下形式：
f ( x ) = w 1 x 1 + w 2 x 2 + . . . + w n x n f(\boldsymbol x)=w_1x_1+w_2x_2+...+w_nx_n f(x)=w1x1+w
本文介绍了线性模型的基本形式和线性回归的概念，包括模型系数和最小二乘法求解。讨论了线性回归的正则化，特别是L1（Lasso）和L2（岭回归）正则化。在sklearn库中，重点讲解了LinearRegression类的使用，包括fit_intercept和normalize等参数。
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
3276
