1.基本概念
**线性回归（Linear Regression）**是一种通过属性的线性组合来进行预测的线性模型，其目的是找到一条直线或者一个平面或者更高维的超平面，使得预测值与真实值之间的误差最小化。
2.特点
优点：结果具有很好的可解释性（w直观表达了各属性在预测中的重要性），计算熵不复杂。
缺点：对非线性数据拟合不好
适用数据类型：数值型和标称型数据
3.自己实现的线性回归
3.1 简单线性回归
1.利用最小二乘法得到的系数
2.用简答随机数模拟的方法来搭建简单线性回归
import numpy as np
import matplotlib.pyplot as plt
x =
2022-12-17 20:03:50
639KB
1
本资料主要讲述机器学习算法的基本原理，以及通过Python实现的算法实例
主要涉及算法：回归算法、决策树与集成算法、聚类算法、贝叶斯算法、支持向量机、推荐系统、主成分分析、EM算法、神经网络、时间序列分析、文本分析
博客总结：https://editor.csdn.net/md?not_checkout=1&spm=1001.2014.3001.5352&articleId=128316144
2022-12-14 16:26:39
95.03MB
1
线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。其表达形式为y = w'x+e，e为误差服从均值为0的正态分布。
2022-11-11 16:30:42
4KB
1
逻辑回归一般指logistic回归。logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。
2022-11-09 08:59:02
4KB
1
今天小编就为大家分享一篇利用Pytorch实现简单的线性回归算法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2022-10-31 15:53:43
107KB
1