首页 > 代码库 > 机器学习粗略认识--线性模型
机器学习粗略认识--线性模型
给定样本示例x=(x1,x2,x3....xd),线性模型的目标是学得一个线性函数,即属性的线性组合
f(x)=w1x1+w2x2+...+wdxd+b。所以训练线性模型的目标就是求w、b.得到线性模型后就可以预测新的样本。
一、线性回归
给定数据集D={(x1,y1),(x2,y2)...(xm,ym)},xi是向量,yi属于R。线性回归试图学得一个线性模型
来预测输出的实际值。回归的输出是连续值,分类的输出是离散值,两者本质上一样。
讨论输入值一维的情况。
m个样本。f(x)=wx+b。均方误差
通过最小化均方误差求得w、b,采用的是最小二乘参数估计。即分别对w,b求导
并令导数为零。可得
同样,多元线性回归也可通过该方法解出w,b。
机器学习粗略认识--线性模型
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。