线性回归是机器学习中的概念,线性回归预测算法一般用以解决“使用已知样本对未知公式参数的估计”类问题。
举个栗子:
商家卖鞋,可利用历史上每个季度鞋的定价x与销量y,来预估“定价与销量的关系”(y=ax+b),以辅助对鞋子进行最佳定价。
一、几个基本概念
回归(regression):用已知样本对未知公式参数的估计。Y=f(X1, X2, X3),这里回归函数f(X1, X2, X3)可能是任意函数。
线性回归(linear regression):回归的一种,回归函数是一次函数,例如:
Y=f(X1, X2, X3)=aX1 + bX2 + cX3 + d
其中X1,X2,X3是训练样本集中样本的各个维度(feature),a,b,c,d是模型的未知参数。
逻辑回归(logistic regression):将Y归一化到[0, 1]区间。
总而言之,逻辑回归是线性回归的一种,线性回归是回归的一种。
二、线性回归模型经常是有效的
线性回归有什么用?
答<