8月吃瓜教程—task02-学习笔记

Hugo Zhong

于 2021-08-23 22:22:53 发布

阅读量145

点赞数

分类专栏：机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/Hugo_Knight/article/details/119878901

版权

机器学习专栏收录该内容

3 篇文章

订阅专栏

本文探讨了线性模型在预测分析中的应用，包括线性回归、多元线性回归和对数几率回归。线性回归关注最小化预测值与真实值的误差，采用最小二乘法和极大似然估计来求解参数。对数几率回归则采用梯度下降法和牛顿法，通过极大似然法和信息论角度进行模型训练。此外，文中还提及使用numpy等库加速计算，以及线性判别分析（LDA）的相关概念。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

第三章线性模型

3.1 线性回归注意最小化误差的是y*到y的距离。

y是真实值，y*是预测值

3.2 多元线性回归

求参时：

最小二乘法
极大似然估计

3.3 为了使得计算加速，如利用numpy矩阵预算加速

最后的线性模型转化为
在这里插入图片描述

3.4 对数几率回归

模型：
在这里插入图片描述
策略：

极大似然法
信息论角度

算法：

梯度下降法
牛顿法

3.5 线性判别分析（LDA）

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。