这篇博客介绍了线性回归的基础知识，包括简化模型、一般化线性模型以及如何将其视为单层神经网络。文章强调了衡量预估质量的方法，并讨论了训练数据在模型学习中的作用。核心内容聚焦于参数W和b的优化，通过找到使预测误差最小化的值。总结中提到，线性回归是预测分析中的基础工具，其解表示为预计损失的函数形式。
线性回归
一、简化模型（权重：w 偏差：b）
二、线性模型（一般化）
线性模型可以看作一个单层神经网络（带权重的层是一，所以叫单层神经网络）
三、衡量预估质量
四、训练数据
五、参数学习 找到W和b来满足上述等式的值最小
六、显示解 （y-Xw）是预计损失
七、总结
扫一扫
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
