机器学习（Machine Learning and Data Mining）CS 5751——Lab3作业记录

最新推荐文章于 2020-12-08 16:58:52 发布

yinxx325

最新推荐文章于 2020-12-08 16:58:52 发布

阅读量248

点赞数

分类专栏： machine learning 文章标签： lab3

本文链接：https://blog.csdn.net/yinxx325/article/details/83045238

版权

这篇博客详细记录了机器学习课程CS 5751的Lab3，主要涉及最小二乘线性回归。博主首先介绍了如何导入Concrete Slump Test数据集，然后实现了最小二乘法，并使用二次项进行预测。接着，博主通过自己编写的k折交叉验证评估模型，得到平均平方误差为247.2856。最后，博主预告Activity 2的内容将在后续更新。

摘要由CSDN通过智能技术生成

机器学习（Machine Learning and Data Mining）CS 5751——Lab3作业记录

Activity 1-最小二乘线性回归

Activity 1-最小二乘线性回归

最小二乘线性回归Least-squares linear regression

（1）导入数据

从UCI网站下载Concrete Slump Testdataset

#导入数据
slump_dataset <-read.csv("slump_test.data",	header=TRUE,	stringsAsFactor=FALSE, 	na.strings =c('0'))
# preview the first 5 rows
head(slump_dataset)

（2）实现最小二乘法

最小二乘法参考资料
 矩阵计算参考资料

# t1 is the attribute chosed
# Z is the result
least_squares_linear_regression <- function(H,Z){
  reslut <- solve(t(H)%*%H)%*%t(H)%*%Z
  return(result)
}