机器学习实战教程:线性回归基础篇(上)

Posted nalaeur

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习实战教程:线性回归基础篇(上)相关的知识,希望对你有一定的参考价值。

技术分享图片

一 什么是回归?

  回归的目的是预测数值型的目标值,最直接的办法是依据输入,写入一个目标值的计算公式。

 

  假如你想预测小姐姐男友汽车的功率,可能会这么计算:

 

              HorsePower = 0.0015 * annualSalary - 0.99 * hoursListeningToPublicRadio

  

  这就是所谓的回归方程(regression equation),其中的0.0015和-0.99称为回归系数(regression weights),求这些回归系数的过程就是回归。一旦有了这些回归系数,再给定输入,做预测就非常容易了。具体的做法是用回归系数乘以输入值,再将结果全部加在一起,就得到了预测值。

  说到回归,一般都是指线性回归(linear regression),所以本文里的回归和线性回归代表同一个意思。线性回归意味着可以将输入项分别乘以一些常量,再将结果加起来得到输出。需要说明的是,存在另一种成为非线性回归的回归模型,该模型不认同上面的做法,比如认为输出可能是输入的乘积。这样,上面的功率计算公式也可以写做:

              HorsePower = 0.0015 * annualSalary / hoursListeningToPublicRadio

  这就是一个非线性回归的例子,本文对此不做深入讨论。


 

二  回归的一般方法

 

以上是关于机器学习实战教程:线性回归基础篇(上)的主要内容,如果未能解决你的问题,请参考以下文章

如何搞懂机器学习中的线性回归模型?机器学习系列之线性回归基础篇

单变量线性回归:TensorFlow 实战(理论篇)

机器学习实战---线性回归提高篇之乐高玩具套件二手价预测

机器学习基础:线性回归和梯度下降的初学者教程

机器学习实战基础:创建多项式回归器

机器学习实战基础:创建多项式回归器