正文
一元线性回归是一种基本的回归分析方法,用于研究一个自变量与因变量之间的线性关系。它通过拟合一条直线来预测因变量的值,模型可以估计出最佳的截距和斜率,从而实现对新数据的预测。一元线性回归广泛应用于经济学、统计学、工程等领域,用于建立简单的预测模型。
特点:主要用于解决回归问题,线性回归是许多强大非线性模型的基础(多项式回归,逻辑回归,SVM,神经网络…本质都是线性回归的拓展,寻找最优参数),其结果具有很好的可解释性。
\,
假设样本特征与样本输出标记之间存在线性关系,那么就可以寻找一条直线来最大程度拟合它们之间的关系。
\,
① 简单线性回归: 样本特征只有一个的回归拟合($ y = ax+ b$);
② 多元线性回归: 多样本特征与样本输出标记之间的回归拟合。
1、简单线性回归简介
假设样本特征与样本输出标记之间存在线性关系,这个线性关系由最佳拟合的直线方程y=ax+by = ax+ by=ax+b所表示,则对于每个样本点x(i)x^{(i)}x(i),就有预测值y^(i)=ax(i)+b\hat y^{(i)} = ax^{(i)} +by^(i)=ax(i)+b,其真值为y(i)y^{(i)}y(i)。样本点 y^(i)\hat y^{(i)}y^(i) 与 y(i)y^{(i)}y(i) 的 差距 可由 ∣y^(i)−y(i)∣|\hat y^{(i)} - y^{(i)}|∣y^(i)−