线性回归学习总结(未完待续)
来源:互联网 发布:淘宝客推广一键复制 编辑:程序博客网 时间:2024/05/16 13:50
线性回归学习总结
- 回归定义.
- 目标函数.
θ 的解析式求解过程- 正则项与防止过拟合
θ 的SVD求解法- 梯度下降算法
- 线性回归的优缺点和使用场景
- python实例
- spark实例
相关知识参考:
1. 最大似然估计
2. 最小二乘法
3. 中心极限定理
4. 高斯分布
5. 向量的导数
6. 标量对向量的导数
7. 正定矩阵、逆矩阵、对称阵、转置矩阵
9.
相应扩展
- logistic回归
- softmax回归 3.
1、定义
对于结果为连续型变量的问题建模过程称为解决回归问题
对于结果为离散变量的问题建模过程称为解决分类问题
最简单的线性回归模型函数:
如果
这里,线性或者非线性针对的是自变量的系数
2、目标函数
观测值计算公式为:
其中
3、θ 的解析式求解过程
4、正则项与防止过拟合
L1 正则项复杂度惩罚因子回归:LASSO
可用于特征关键性排序L2 正则项复杂度惩罚因子回归:Ridge- 混合复杂度惩罚因子回归:Elastic Net
5、θ 的SVD求解法
6、梯度下降算法
批量梯度下降
随机梯度下降
mini-batch梯度下降
7、线性回归的优缺点和使用场景
8、python实例
9、spark实例
阅读全文
0 0
- 线性回归学习总结(未完待续)
- Ajax学习笔记总结(未完待续)
- 《统计学习方法》学习总结(未完待续)
- 线性表专题(未完待续)
- 机器学习(未完待续)
- 机器学习总结9_未完待续
- IIC与SPI学习总结 未完待续
- DevExpress Ribbon 相关总结(未完待续)
- 蓝牙bug总结(未完待续)
- javascript特殊用法总结(未完待续...)
- 二叉树应用总结(未完待续)
- 设计模式总结(未完待续)
- 清北学堂总结(未完待续。。。。。。。)
- 背包问题总结(未完待续)
- 深度压缩技术总结(未完待续.....)
- 数据库知识点总结(未完待续)
- DP总结..未完待续
- struts2 学习笔记(未完待续)
- 后端集锦
- 高效率合并两个数组
- Java继承关系
- untiy编辑器功能扩展
- BZOJ1117: [POI2009]救火站Gas
- 线性回归学习总结(未完待续)
- 光荣之路:产品测试规范(二)
- Linux进程管理工具Supervisor doc 翻译----安装(二)
- MYSQL IF 和 IFNULL
- Caffe学习:Loss
- python实现名片管理系统
- AVL tree
- 前端面试题(变量提升)
- MySql+Mybatis+Druid 优化之MyBatis批量删除、更新