- Python機器學習算法: 原理、實現與案例
- 劉碩
- 279字
- 2020-01-20 15:06:22
1.1 線性回歸模型
對于一個給定的訓練集數據,線性回歸的目標是找到一個與這些數據最為吻合的線性函數。舉一個例子,中學物理我們學過的胡克定律指出:彈簧在發生彈性形變時,彈簧所受拉力和彈簧的形變量
成正比,即
。假設我們拿到一個新彈簧,測得了一組包含彈簧所受拉力
和形變量
的實驗數據,如圖1-1所示,根據實驗數據估計彈簧倔強系數
的過程就是線性回歸。
一般情況下,線性回歸模型假設函數為:

其中,與
為模型參數,也稱為回歸系數。為了方便,通常將
納入權向量
,作為
,同時為輸入向量
添加一個常數1作為
:


圖1-1
此時,假設函數為:

其中,,通過訓練確定模型參數
后,便可使用模型對新的輸入實例進行預測。
推薦閱讀
- PHP動態網站程序設計
- Beginning Java Data Structures and Algorithms
- 深入淺出Java虛擬機:JVM原理與實戰
- INSTANT MinGW Starter
- NativeScript for Angular Mobile Development
- HTML5 and CSS3 Transition,Transformation,and Animation
- 人人都懂設計模式:從生活中領悟設計模式(Python實現)
- 自然語言處理Python進階
- UVM實戰
- Keras深度學習實戰
- PHP+Ajax+jQuery網站開發項目式教程
- Statistical Application Development with R and Python(Second Edition)
- Hands-On Neural Network Programming with C#
- 汽車人機交互界面整合設計
- JavaScript Concurrency