学习笔记(三) 线性回归算法(Linear Regression)

这篇博客介绍了线性回归算法,包括回归分析的概念、线性回归的定义、推理过程、目标/损失函数以及最小二乘法和梯度下降的求解方式。并提供了一个案例,基于美国King County的房屋销售数据,展示如何建立回归模型预测房屋价格,涉及数据预处理和模型评估。
摘要由CSDN通过智能技术生成

一、算法简介

          代码下载:https://download.csdn.net/download/xdg2008/14017829

         1.1 什么是回归分析

              回归分析是一种预测性的建模技术,它研究的是因变量(目标)和自变量(预测器)之间的关系。这种技术通常用于预测分析,通常分析数据模型,找出一条最佳直线或超平面,使数据模型上的点到这条直线或超平面的距离最短。

         1.2 线性回归

               线性回归是回归问题中的一种,线性回归假设目标值与特征之间线性相关,即满足一个多元一次方程。通过构建损失函数,来求解损失函数最小时的参数w和b。通长我们可以表          达成如下公式: 

        1.3 推理过程

                 假设我们找到了最佳拟合的直线方程 : 

       则对每一个样本点    ,根据我们的直线方程,预测值为:,其对应的真值为   

            我们希望    和  

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