机器学习之简单线性回归
2016-11-01 22:22
134 查看
1. 集中趋势衡量
(1)理解以下名词:平均值(),中位数,众数
(2)方差, 标准差s
2. 回归(regression)与分类(classification)
回归:Y变量为连续数值型(continuous numerical variable),例如房价。 如线性回归解决问题
分类:Y变量为类别型(category variable),例如颜色类别。 注意,逻辑回归是分类问题
3. 简单线性回归(simple linear regression)
回归分析用来建立方程模拟两个或者多个变量之间的关系。被预测的变量(y)被称为因变量(dependent variable),
被用来进行预测的变量叫做自变量(indecent variable)
简单线性回归包含一个自变量和一个因变量,且二者的关系使用一条直线来模拟
4. 简单线性回归模型
, 其中是偏差
简单线性回归方程:
, 参数本别是截距和斜率。 方程对应的直线称作回归线
使用线性回归就是要根据数据求得两个参数的过程。
5. 关于偏差
(1)是随机的变量,均值为0;(2)其方差对所有x都一样 (3)是独立的 (4)正态分布
6. 参数确定
根据训练数据确定参数时,多采用平方差的和最小的评价方法
可以得到如下结果:
,
7. 简单的例子
https://github.com/liuleigit/ML_tutorial/SLR
(1)理解以下名词:平均值(),中位数,众数
(2)方差, 标准差s
2. 回归(regression)与分类(classification)
回归:Y变量为连续数值型(continuous numerical variable),例如房价。 如线性回归解决问题
分类:Y变量为类别型(category variable),例如颜色类别。 注意,逻辑回归是分类问题
3. 简单线性回归(simple linear regression)
回归分析用来建立方程模拟两个或者多个变量之间的关系。被预测的变量(y)被称为因变量(dependent variable),
被用来进行预测的变量叫做自变量(indecent variable)
简单线性回归包含一个自变量和一个因变量,且二者的关系使用一条直线来模拟
4. 简单线性回归模型
, 其中是偏差
简单线性回归方程:
, 参数本别是截距和斜率。 方程对应的直线称作回归线
使用线性回归就是要根据数据求得两个参数的过程。
5. 关于偏差
(1)是随机的变量,均值为0;(2)其方差对所有x都一样 (3)是独立的 (4)正态分布
6. 参数确定
根据训练数据确定参数时,多采用平方差的和最小的评价方法
可以得到如下结果:
,
7. 简单的例子
https://github.com/liuleigit/ML_tutorial/SLR
相关文章推荐
- 用Python从零实现贝叶斯分类器的机器学习的教程
- My Machine Learning
- 机器学习---学习首页 3ff0
- Spark机器学习(一) -- Machine Learning Library (MLlib)
- 反向传播(Backpropagation)算法的数学原理
- 关于SVM的那点破事
- 也谈 机器学习到底有没有用 ?
- #ML-SDN
- TensorFlow人工智能引擎入门教程之九 RNN/LSTM循环神经网络长短期记忆网络使用
- TensorFlow人工智能引擎入门教程之十 最强网络 RSNN深度残差网络 平均准确率96-99%
- TensorFlow人工智能引擎入门教程所有目录
- Tensorflow 杂记
- 如何用70行代码实现深度神经网络算法
- 机器学习算法比较
- 量子计算机编程原理简介 和 机器学习
- 近200篇机器学习&深度学习资料分享(含各种文档,视频,源码等)
- 已经证实提高机器学习模型准确率的八大方法
- 一文读懂机器学习
- 徐海蛟:深度学习与计算机视觉理论与实验4
- 机器学习中用到的各种距离介绍(附上Matleb代码)