logo资料库

机器学习-线性回归整理PPT.pptx

发布时间：2022-06-03 发布人：admin 分类：说明书 资料大小：2.91M 资料格式：pptx 举报 版权申诉
第1页 / 共32页
第2页 / 共32页
第3页 / 共32页
第4页 / 共32页
第5页 / 共32页
第6页 / 共32页
第7页 / 共32页
第8页 / 共32页
资料共32页，剩余部分请下载后查看
    线 性 回 归 总 结
    01. 线性回归综述 02.用线性回归拟合直线 03.局部加权线性回归 04.缩减系数“理解”数据 05.多项式回归 1 2 3 4 5 目 录 S T N E T N O C
    PART 01 线性回归综述
    线性回归的概念 什么是线性回归？ 首先举个例子，我们去市场买牛肉，一斤牛肉52块钱，两斤牛肉 104块钱，三斤牛肉156块钱，以此类推。也是说牛肉的价格随着牛肉 斤数的增加而有规律地增加，这种规律可以右图表示： 可以看到上述规律可以用一条直线来表述，这就是一个线性模型。 用 表示牛肉斤数，用  表示价格，就得到方程： =52。 程叫做回归。 这个方程就叫做回归方程，52叫做回归系数，求解回归系数的过 线性回归首先假设自变量和因变量是线性关系，然后通过对现有 样本进行回归，进而计算出回归系数以确定线性模型，最后使用这个模 型对未知样本进行预测。
    线性回归的优缺点 优点 结果易于理解，计算上不复杂。 缺点 对于非线性的数据拟合不好。
    PART 02 用线性回归拟合直线
    用线性回归拟合直线 怎样求解回归系数？ 有这样一个数据集，很容易看出，这些数据是线性的，因此可 以使用线性回归来拟合。由于每个样本点只有一个自变量和一个因 变量，因此可以用如下回归方程来表示模型： =+ 线有无数条，每一条都由  和  确定。我们的任务就是找到那条最 符合数据集的直线，也就是求得最优的  和 。 如何计算最优的  和  ？最常用的方法：最小二乘法。 在图中画出几条通过样本集的直线，可以看到通过样本集的直
    用线性回归拟合直线 最小二乘法求回归系数 对于数据集中不同的点，我们试图学到： 称为线性回归模型的最小二乘“参数估计”。 别。最小二乘法就是试图找到一条直线，使所有样本到直线的欧式 距离之和最小。欧式距离与均方误差相对应，即： =+，使得  i ≈（  为真实值） 如何计算最优的  和 ，关键在于如何衡量 与y之间的差 ∗,∗  = arg             = arg 求解 和  使  , =  =1   −−  2 最小化的过程， , =1  −   2 , =1   −−  2
    分享到：
    赞 收藏

    相关推荐

    资料库

    行业

    共收录7266份资料，累计15个分类，关注成员有19位，主要包括：物流,旅游,餐饮零售,网络游戏,咨询,金融,电子政务,外包,教育,制造,医疗,嵌入式,互联网,交通,电信

    热门标签

    物流 旅游 餐饮零售 网络游戏 咨询 金融 电子政务 外包 教育 制造 医疗 嵌入式 互联网 交通 电信

    最新资料