秒懂“线性回归预测”

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与销量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