机器学习经典算法:简单线性回归(一元)

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)y(i)y^{(i)}y(i)差距 可由 ∣y^(i)−y(i)∣|\hat y^{(i)} - y^{(i)}|y^(i)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

倪桦

有帮助的话请杯咖啡吧,谢谢!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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。

余额充值