线性回归和矩阵运算

线性回归和矩阵运算和矩阵运算

一、线性回归

1.线性回归分析：

回忆回归问题的判定
目标值是连续的

2.回归问题能干什么？

1.房价预测

2.贷款额度

房子数据：

编号	平方米	价格
1	60	126
2	72	151.2
3	75	157.5
4	80	168
5	83	174.3
6	87	180
7	90	192.2
8	93	194

from matplotlib import pyplot as plt

plt.figure(figsize=(8, 12), dpi=80)

plt.scatter([60, 72, 75, 80, 83], [126, 151.2, 157.5, 168, 174.3])

plt.show()

从图中我们可以看到，房子面积越大，价格越贵，就像一条直线，我们称之为线性关系。

单个特征线性方程：y=kx+b
多个特征线性方程：k1房子面积+k2房子位子+k3房子年龄

3.线性模型：

试图学得一个通过属性的线性组合来进行预测的函数

f(x)=w_1x_1+w_2x_2+…+w_dx_d+b

w为权重，b称为偏置项，可以理解为：w_0×1

4.线性回归

定义：线性回归通过一个或者多个自变量与因变量之间之间进行建模的回归分析。其中特点为一个或多个称为回归系数的模型参数的线性组合

一元线性回归：涉及到的变量只有一个
多元线性回归：涉及到的变量两个或两个以上

二、矩阵运算

矩阵：大多数算法的计算基础

矩阵必须是二维的

矩阵乘法：
(m行，l列）* (l行，n列）=（m行，n列)