a1308422754的博客

2.1 线性回归简介 学习目标 了解线性回归的应用场景 知道线性回归的定义 1 线性回归应用场景 房价预测 销售额预测 贷款额度预测 线性关系举例： 2 什么是线性回归 2.1 定义与公式 线性回归(Linear regression)是利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式。 特点：只有一个自变量的情况称为单变量回归，多于一个自变量情况的叫做多元回归。 通用公式 h(w)=w1x1+w2x2+w3x3+...+b=wTx

机器学习基础 特征值:数据集中的一列(x) 目标值:要预测的这一列(y)(连续值(0,1,2,3,4,5…)和离散值(类别型)) 样本:一行数据,数据集中有多少行数据就是有多少样本 [0,1,2,3] 向量 特征工程:决定模型预测的效果,对数据进行处理的过程 特征提取 特征转换 降维 数据集的划分(历史数据=>y)(7:3,8:2,9:1) 训练集(进行训练得到模型) 测试集(检测训练的模型效果) 真实的y值y_true 模型可以得到一个预测的有值y_pred y_true和y