超级会员免费看
本文是对线性回归、logistic回归和一般回归的深入理解和总结，探讨了它们在有监督学习中的应用。文章通过实例解释了回归问题，包括线性回归的线性关系假设、梯度下降法和最小二乘法，以及logistic回归在二值分类问题中的应用。同时，还介绍了误差函数的概率解释和一般线性模型的概念。
对线性回归，logistic回归和一般回归的认识
【转载时请注明来源】：http://www.cnblogs.com/jerrylead
1 摘要
本报告是在学习斯坦福大学机器学习课程前四节加上配套的讲义后的总结与认识。前四节主要讲述了回归问题，回归属于有监督学习中的一种方法。该方法的核心思想是从连续型统计数据中得到数学模型，然后将该数学模型用于预测或者分类。该方法处理的数据可以是多维的。
讲义最初介绍了一个基本问题，然后引出了线性回归的解决方法
对线性回归，logistic回归和一般回归的认识
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
