人工智能面试总结-回归

本文详细介绍了线性回归和逻辑回归的基本概念、推导过程及优缺点。从线性回归的五个基本假设到独立同分布的概念,再到线性回归的最小二乘法推导,以及逻辑回归的Sigmoid函数和梯度下降优化,全面阐述了这两种常用机器学习模型的核心内容。此外,还探讨了两者之间的关系和应用场景区别。
摘要由CSDN通过智能技术生成

在这里插入图片描述
B站:啥都会一点的研究生

公众号试读:啥都会一点的研究生

说说线性回归?

 概念:

 线性回归是用一条高维一次曲线/曲面去拟合变量之间的关系。利用线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况是简单回归, 大于一个自变量的是多元回归。

 线性回归模型公式:
h ( x ) = ω 1

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
评论 1
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

打赏作者

啥都生

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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