复习机器学习算法：线性回归

最新推荐文章于 2023-12-20 08:42:41 发布

bigface1234fdfg

最新推荐文章于 2023-12-20 08:42:41 发布

阅读量1.3k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Machine Learning&&Data Mining 文章标签：线性回归算法机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/puqutogether/article/details/44079075

Machine Learning&&Data Mining 专栏收录该内容

45 篇文章

订阅专栏

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

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。