[ML]机器学习之线性回归
来源:互联网 发布:adobe xd windows 编辑:程序博客网 时间:2024/05/18 11:26
机器学习算法主要有2类:监督学习、无监督学习。前者是指训练样本是有标记的,需要学习的是模型与参数,使得预测值尽可能地接近真实值,典型代表为回归、分类,其中回归是指标记为连续数值(如考试分数),而分类则是指标记为离散值或类别标号(比如天气是多云还是小雨);后者是指训练样本是无标记的,需要学习出这些样本本身的联系或者逻辑关系、结构关系,典型代表为聚类。
如上所述,线性回归自然属于监督学习。线性回归就是给定输入样本:
而我们要训练的就是参数
对于线性回归的参数最优化,一般采用均方误差最小化((Least Mean Square,LMS)的思想,即:
LMS的物理意义很好理解:试图找到一条由
那么代价函数就可以写成:
优化目标为:
在求解优化函数时,可以用最小二乘参数估计。线性回归的代价函数是凸函数,可采用梯度下降法(会在以后说明),也可以用求导的方法,对
综合上式可得到:
经过一些矩阵运算,当
而当
其实在实际应用中,我从没用过线性回归,这是一个很简单的模型。
1)线性回归形式简单,只是属性的线性组合,而训练出的只是各个属性的权重值。
2)线性回归可解释性强,属性前的权重代表了此属性的重要程度,或对结果的影响程度。
但是简单并不意味着不重要。相反地,线性回归在机器学习算法中具备基础地位。
1)线性回归是以后学习其他复杂机器学习算法以及非线性模型的基础。
2)通过对线性回归引入层级结构、联系函数或进行高维映射,可以得到广义线性模型等。
1 0
- [ML]机器学习之线性回归
- 《机器学习实战》和Udacity的ML学习笔记之线性回归
- 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
- 机器学习之线性回归
- 线性回归-ML之二
- 机器学习实战之线性回归+局部加权线性回归
- 【机器学习之学习笔记】线性回归
- Spark ML机器学习算法svm,als,线性回归,逻辑回归简单试验
- String KMP算法 JAVA实现
- JQuery初识
- Java/Jsp中让数值不使用科学计数法显示的解决方案
- 【私人手册】Markdown语法
- mybatis 基本类型的if条件判断问题 There is no getter for property named 'xxx' in 'class Java.lang.Integer'
- [ML]机器学习之线性回归
- snort 源码分析之模式匹配引擎
- 文章标题
- banner(图片轮播)框架的使用
- AndroidStudio下ButterKnife的集成和使用
- PHP中的socket函数
- GYM 101173 K.Key Knocking(构造)
- ADO.NET 连接数据库字符串小结(Oracle、SqlServer、Access、ODBC)
- 《C++实现数据结构》:队列