本文探讨了在机器学习和自适应场景中如何进行线性拟合，通过求解误差平方和的最小值来确定斜率m和截距b。提供了计算公式，并引用John D. Cook的文章作为参考，介绍了一种更优的实现方式。
很多机器学习或者自适应场景需要对某个特征变化趋势进行分析, 如果假定该特征是线形特征, 则需对其趋势作线性拟合. 问题可以描述为:
存在样本集 ( x i , y i ) (x_i, y_i) (xi,yi), 样本集的数量为 n n n. 假设满足下列关系: y = m x + b y = mx + b y=mx+b, 期望求得 m , b m, b m,b的值, 使误差最小.
e i = y i − ( m x i + b ) e_i = y_i - (mx_i+b) ei=yi−(mxi+b)
s = ∑ i = 1 n ( e i 2 ) = ∑ i = 1 n ( y i − m x i − b ) 2 s = \sum_{i=1}^n(e_i^2)=\sum_{i=1}^n(y_i-mx_i-b)^2 s=i=1∑n(ei2)=i=1∑n(yi−mx
最低0.47元/天 解锁文章
扫一扫
05-10
1055
1055
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
