秒懂“线性回归预测”

线性回归是机器学习中的基础算法,用于解决样本数据与未知参数的关系估计。通过历史鞋价与销量数据,我们可以建立y=ax+b的模型进行预测。线性回归包括一元和多元线性回归,以及在特定场景下的逻辑回归。最小二乘法和梯度下降法是求解线性回归模型参数的主要方法,确保预测方差最小。本文深入浅出地介绍了线性回归的概念、应用及求解策略。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

线性回归是机器学习中的概念,线性回归预测算法一般用以解决“使用已知样本对未知公式参数的估计”类问题。

 

举个栗子:

商家卖鞋,可利用历史上每个季度鞋的定价x销量y,来预估“定价与销量的关系”(y=ax+b),以辅助对鞋子进行最佳定价。

 

一、几个基本概念
回归(regression):用已知样本对未知公式参数的估计。
Y=f(X1, X2, X3),这里回归函数f(X1, X2, X3)可能是任意函数

 

线性回归(linear regression):回归的一种,回归函数是一次函数,例如:
Y=f(X1, X2, X3)=aX1 + bX2 + cX3 + d

其中X1,X2,X3是训练样本集中样本的各个维度(feature),a,b,c,d是模型的未知参数。

 

逻辑回归(logistic regression)将Y归一化到[0, 1]区间

 

总而言之,逻辑回归是线性回归的一种,线性回归是回归的一种

 

二、线性回归模型经常是有效的

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