熱線電話:13121318867

登錄
首頁大數據時代線性回歸的原理和表達式
線性回歸的原理和表達式
2020-07-01
收藏

有監督學習的主要任務是分類和回歸,而其中最簡單的一種回歸方式就是線性回歸。下面跟隨小編一起來看線性回歸的內容吧。

線性回歸得出的模型不一定是一條直線,在只有一個變量的時候,模型是平面中的一條直線;有兩個變量的時候,模型是空間中的一個平面;有更多變量時,模型將是更高維的。

線性回歸的原理

線性回歸假設特征和結果滿足線性關系。通過一個映射函數將特征變量與預測結果形成關系。這樣就能夠表達出特征與結果之間的非線性關系。以大家最熟知的預測房價作為例子,假設x1=房間的面積,x2=房間的朝向,那么就可以寫出這樣一個估計函數:

其中θ為權重參數,具體含義為所點成的特征變量在整個變量中所占的比重,比重越大,該特征的影響力越大,在實際應用中越值得考慮。

線性回歸的表達式

1.假設函數

2.損失函數

解釋:因為有m個樣本,所以要平均,分母的2是為了求導方便

損失函數:凸函數

這兩個概念可以一起理解,區別在于損失函數是針對某個樣本的誤差計算,假設函數只針對整個數據集求平均,簡單理解就是實際值與預測值的差值

數據分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數據分析師資訊
更多

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢