1、回归分析概括
目标值(因变量)是连续型数据,通过某种函数关系找到因变量和自变量之间的关系,进而预测目标。
常见的回归:线性回归、岭回归、非线性回归
回归拟合目标:计算自变量与因变量关系的函数参数
通过不断拟合缩小预测值与真实值的差距:最终使得这个差距(误差项)成为一组均值为0,方差为1的随机数。
2、损失函数
3、优化算法
使得损失函数值达到最小的方法。
方法:
正规方程
梯度下降
4、python的API
4.1.1 statsmodels.formula.api.OLS():普通最小二乘模型拟合- – 常用
4.1.2 scipy.stats.linregress(): 线性拟合
1