复习机器学习算法:线性回归

本文介绍了线性回归的基本原理,包括其在数据预测中的应用方式、代价函数的形式以及优化方法。同时对比了线性回归与Logistic回归的区别,并讨论了线性回归的优势与局限。

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


Logistic回归用来分类,线性回归用来回归。

 

线性回归是把让样本的属性前面加系数,相加。代价函数是误差平方和形式。所以,在最小化代价函数的时候,可以直接求导,令导数等于0,如下:

 

也可以使用梯度下降法,学习的梯度和Logistic回归形式一样。

 

线性回归的优点:计算简单。

缺点:不好处理非线性数据。

 

 

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