HDU杭电--机器学习实验报告（二）

• 实验目的

• 1、理解监督学习中回归之非线性回归（多项式回归）；

• 2、掌握Sklearn提供的非线性回归模型；

• 3、理解线性回归和非线性回归的区别

• 实验内容与要求

1.   线性回归

• 线性回归(Linear Regression)是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。

• 线性回归利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归,大于一个自变量情况的叫做多元回归。

使用形如y=wTx+b的线性模型拟合数据输入和输出之间的映射关系的。

2. 非线性回归

•非线性回归是回归函数关于未知回归系数具有非线性结构的回归。 常用的处理方法有回归函数的线性迭代法、分段回归法、迭代最小二乘法等。

•非线性回归(Non-linear Regression)算法就是将非线性回归转化为线性回归，再按照线性回归求解。线性回归通常采用给定的函数值与模型预测值之差的平方和最小为损失函数, 并使用最小二乘法和梯度下降法来计算最终的拟合参数。

3.实验步骤

• 实验程序与结果

# 导入所需的库
import numpy as np
import matplotlib.pyplot as plt