go语言机器学习-回归模型

4.1回归模型的述语

回归：回归是一个过程，通过回归可以了解到一个变量随着另外一个变量发生变化
响应或者因变量 :y
解释变量、自变量、特征、属性、回归量 :x1 x2.....
线性回归 ：回归假定因变量线性依赖自变量
非线性回归：回归假定因变量非线性依赖自变量
多元回归：具有多个自变量的回归
拟合和训练：参数化一个模型的过程
预测：使用参数化模型预测一个特定的因变量的过程

##4.2线性回归假设和陷阱
线性关系
正态性
非多重共线性：自变量并不是真正的独立，以某种方式相互依赖
无自相关性
同方差性

陷阱：
	在进行某个特定范围内自变量的线性回归模型预测的时候，应该十分小心超出范围数值的预测 例如 因变量在极值处非线性
	可能因为找到两个没有关系的变量之间的虚假关系而错误的采用线性回归模型
	某型拟合中，数据的异常值或极值会偏离回归线  使用别的方法来拟合

##4.3多元线性回归
过度拟合 ：加入过多的自变量导致模型变得复杂 用正则化来解决
相对比例：自变量的量级不同
训练数据与预测数据和之前的一样 只不是加入了一些参数

##4.4非线性回归和其他回归

这部分代码 较多 需要的可以自行联系我
有数据的训练与预测的代码
多元回归的代码