人工智能基础_机器学习032_多项式回归升维_原理理解---人工智能工作笔记0072

这篇博客介绍了如何通过多项式回归进行数据升维,以适应更复杂的数据集拟合。从一维线性回归到二维的y = ax^2 + bx + c,再到多元多项式回归,通过将特征与自身相乘扩展维度,如x1, x2, x1^2, x2^2, x1x2等,将原本的线性模型转化为曲线模型,从而提高拟合效果。通常,升维时取特征的平方和立方即可满足需求。" 121821844,10960706,2021年验证码实现技术解析,"['前端开发', 'HTML', 'Vue', 'JavaScript', 'jQuery']

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

现在开始我们来看多项式回归,首先理解多维

原来我们学习的使用线性回归,其实就是一条直线对吧,那个是一维的,我们之前学的全部都是一维的对吧,是一维的,然后是多远的,因为有多个x1,x2,x3,x4...

但是比如我们有一个数据集,是上面这种,的如果用一条直线很难拟合,那么

这个时候,我们如果用y = ax^2+bx+c 这样就可以了,这里是2维的,最高次幂是2

那么怎么来进行升维,其实就是,让元数,比如,一元一次方程这里的元,跟自己相乘

比如我们有个公式是:y  = w0*x0+w1*x1+w2*x2 然后

y  = w0*x0+w1*x1+w2*x2 这里  我们就可以通过多元多项式回归,扩展维度到:

x1,x2,x1^2,x2^2,x1x2...这样  然后公式就

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

添柴程序猿

你的鼓励将是我创作的最大动力

¥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