机器学习——线性回归

本文介绍了线性回归的基本概念,包括一元线性回归和多元线性回归,并详细阐述了线性回归的目标函数及参数求解。此外,文章讨论了在sklearn库中如何运用LinearRegression进行线性回归,同时提到了Lasso和岭回归,分析了它们与线性回归的关系以及在正则化参数选择上的影响。

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

1.线性回归:回归用于预测输入变量和输出变量之间的关系,回归模型是表示输入变量到输出变量之间映射的函数。

    回归分析中,只包含一个自变量和一个因变量,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量,且因变量和自变量是线性关系,则称为多元线性回归分析。


  (1)一元回归:y = ax + b

       

     (2)多元回归:

               

                

  2.线性回归的目标函数:

     这里写图片描述

&n

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