首页 > 代码库 > 特征与多项式回归
特征与多项式回归
我们可以用几种不同的方法来改进我们的特征和假设函数的形式。
我们可以把多个特征组合成一个。例如,我们可以将X1和X2为新变量x3。
多项式回归:
我们的假设函数不一定是线性的(如果不符合数据的话)。
我们可以通过假设它的二次、三次或平方根函数(或任何其他形式)来改变我们的假设函数的行为或曲线。
例如,我们的回归函数是然后,我们可以创建基于增加的变量X1,得到二次函数。或者三次函数
在立方的版本,我们已经创造出了新的变量X2和X3,其中x2=x12,x3=x13。
为了使平方根函数,我们可以做
要记住的一件重要事情是,如果你用这种方式选择你的特征,那么特征缩放就变得非常重要了。
如果X1范围1 - 1000 x12范围变成1 - 1000000 ,x13变成1 - 1000000000。
特征与多项式回归
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。