机器学习之路(一元线性回归)
来源:互联网 发布:游族网络002174股吧 编辑:程序博客网 时间:2024/04/30 09:54
在听完机器学习的课程以后,想在这里整理一下自己从视频里学到的内容,一方面可以复习一下,另一方面可以和大家进行一些交流。
一.线性回归和逻辑回归(Linear regression and logistic regression)
回归分析就是利用样本(已知)数据,产生拟合方程,从而对未知数据进行预测。
可以用相关系数评价两个变量之间的相关性。
相关系数公式,其绝对值等于1时,相关性最大,等于0时,相关性最小。
公式中Cov(X,Y)为X,Y的协方差,D(X)、D(Y)分别为X、Y的方差。
1.一元线性回归
1.1数学含义
y=ax+b
其中系数a和b采用最小二乘拟合求出。使得残差平方和Rss最小时的值。残差:估计值和观察值之间的差。
1.2R语言的实现
用lm()函数进行拟合,lm意思是linear model。格式
myfit<-lm(formula,data)
formula为要拟合的模型形式,data是一个数据框,包含了用于拟合的数据。结果存储在一个列表中。
formula一般为y~X1+X2+X3,另外还有一些简化表达式的其他用法。
另外还有一些对拟合线性模型非常有用的其他函数,例如,summary(),coefficients()给出截距和斜率等等。这些函数可以返回一些拟合后的模型的参数。
例子:
fit<-lm(weight~height,data=women)
plot(women$height,women$weight,xlab="Height",ylab="weight")
abline(fit)
abline(fit)
summary(fit)
结果:
Residuals:
Min 1Q Median 3Q Max
-1.7333 -1.1333 -0.3833 0.7417 3.1167
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -87.51667 5.93694 -14.74 1.71e-09 ***
height 3.45000 0.09114 37.85 1.09e-14 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1.525 on 13 degrees of freedom
Multiple R-squared: 0.991, Adjusted R-squared: 0.9903
F-statistic: 1433 on 1 and 13 DF, p-value: 1.091e-14
Min 1Q Median 3Q Max
-1.7333 -1.1333 -0.3833 0.7417 3.1167
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -87.51667 5.93694 -14.74 1.71e-09 ***
height 3.45000 0.09114 37.85 1.09e-14 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1.525 on 13 degrees of freedom
Multiple R-squared: 0.991, Adjusted R-squared: 0.9903
F-statistic: 1433 on 1 and 13 DF, p-value: 1.091e-14
可以得到预测等式:
Weight=-87.52+3.45*Height
做出预测,体重身高是75时的体重
predict(lm(formula = weight ~ height, data = women),data.frame(height=75))
注意:回归问题擅长内推值,而不擅长外推归纳,在使用回归模型做预测时要注意x的取值范围。
1 0
- 机器学习之路(一元线性回归)
- Python实现机器学习一(实现一元线性回归)
- 【机器学习笔记】一元线性回归
- 机器学习之线性回归(1)
- 机器学习之线性回归
- 机器学习之线性回归
- 机器学习之线性回归
- 机器学习之线性回归
- 机器学习之线性回归
- 机器学习之线性回归
- 机器学习之线性回归
- 机器学习之线性回归
- 机器学习之线性回归
- 机器学习之线性回归
- 机器学习之线性回归
- 机器学习之线性回归
- 机器学习精简教程之二——用scikit-learn求解一元线性回归问题
- 【机器学习笔记 二】 一元的线性回归
- F - Nearest Common Ancestors
- poj-1408-计算两线相交点坐标模板
- php和python 中变量作用域的解析
- I/O复用的高级应用一:非阻塞connect
- 如何快糙好猛地在Windows下编译CAFFE并使用其matlab和python接口
- 机器学习之路(一元线性回归)
- java学习(一)
- ACM_模板_进制转换
- 杂记
- 给自己找一个继续努力的理由!
- Linux驱动子系统之输入子系统
- mysql的数据类型int、bigint、smallint 和 tinyint取值范围
- java底层学习
- Android——只需两步,使你的Android Studio支持Lambda表达式(有更新)