[AI学习] 一元线性回归

一元线性回归

介绍

线性回归(Linear Regression)是一种用于建模和预测变量之间线性关系的统计方法。它假设因变量(目标变量)与一个或多个自变量(特征变量)之间存在线性关系,并通过拟合最佳直线(或超平面)来描述这种关系。

核心概念

1.模型形式

一元线性回归: 只有一个自变量,形式为:
y = w 1 x + b y=w_1x+b y=w1x+b
其中,y是因变量,x是自变量,w1是权重(系数),b是截距

多元线性回归:包含包含多个自变量,形式为:
y = w 1 x 1 + w 2 x 2 + ⋯ + w n x n + b y=w_1x_1+w_2x_2+⋯+w_nx_n+b y=w1x1+w2x2++wnxn+b
其中, x 1 , x 2 , … , x n x_1,x_2,…,x_n x1,x2,,xn是多个自变量, w 1 , w 2 , … , w n w_1,w_2,…,w_n w1,w2,,wn是对应的权重。

2. 目标

找到一组权重 ( w 1 , w 2 , … , w n ) (w_1,w_2,…,w_n) w1,w2,,wn和截距(b),使得模型的预测值和真实值之间的误差最小

3. 损失函数

用于衡量预测值与真实值的差距:
均方误差(Mean Squared Error, MSE)

在这里插入图片描述
其中 y i 是真实值 y ^ 是预测值, N 是样本数量 其中 y_i 是真实值\hat{y}是预测值,N是样本数量 其中yi是真实值y^

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