3 Locally weighted linear regression, logistic Regression

这篇学习笔记介绍了机器学习中的局部加权线性回归(Locally weighted linear regression)和逻辑回归(Logistic Regression)。内容涉及模型的过拟合问题、参数与非参数学习算法的区别,以及感知器的学习算法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本学习笔记参考自Andrew的机器学习课程(点此打开), 内容来自视频以及其讲义, 部分内容引用网友的学习笔记,会特别注明


本集课程内容


  1. 局部加权线性回归 Locally weighted linear regression
  2. 线性回归最小平方的概率解释 Probabilistic interpretation
  3. logistic Regression
  4. 感知器的学习算法The perceptron learning algorithm

模型中常见问题


1.欠拟合(underfitting)

仍然用上一讲的例子来说明,假设现在只考虑房价与面积的关系,我们只考虑一个特征面积,那么得到的回归模型就是:,做出的二维图就是一条直线,这里的x1=面积。如果在考虑加入一个特性x2 = x1^2, 那么用线性回归模型得到的方程:


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
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