统计学高清思维导图-简单线性回归

上传时间：2020/11/08 最后测试：2020/11/08 内容：pytorch框架实现非线性回归模型（神经网络） 其他：pytorch学习练习代码 相关介绍：https://blog.csdn.net/jerry_liufeng/article/details/109556095

通过sas软件，拟合出多元线性回归方程，接着求出其残差、学生化残差、杠杆量等，进而求出学生化残差，画出QQ图，画出残差图，最后进行BOX-COX变换。

机器学习课程中的线性回归实验代码，运行环境为mathlab，包含两个实例：一个是身高与年龄的二元线性回归实例，运用梯度下降算法求theta，并预测年龄为3.5和7岁的两个男孩的身高；另一个是多元线性回归实例，是关于房价的，运用了数据缩放，并探索梯度下降算法中学习率对算法迭代的影响，以及最后预测1650平方英尺和3个卧室的房子的价格。代码运行时需修改数据加载路径。

学习笔记

线性回归模型预测房价 该笔记本创建了线性回归模型来预测房价。 数据取自Ames Housing数据集，该数据集由Dean De Cock为数据科学进行了编译。 数据集由1,460行和81列组成。 SalePrice是回归模型的因变量。 确定数据集中的自变量与SalePrice之间的相关系数后，为模型选择了5个自变量： 综合质量-综合质量 GrLivArea-地上生活区 车库面积-车库面积 TotalBsmtSF-地下室总平方英尺 建造年份-施工年份 将数据分为训练和测试数据集后，使用sklearn.linear_model.LinearRegression拟合线性模型。 该模型的R平方值为0.838。

简单线性回归-波士顿房价预测

今天小编就为大家分享一篇sklearn+python:线性回归案例，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

一维神经网络 非线性回归模型在一维卷积神经网络中的应用

基于BP神经网络和多元线性回归的二次反应清洁汽油辛烷值预测，周小伟，杨伯伦，辛烷值代表汽油的抗爆性，是车用汽油重要的质量指标。本文借鉴复杂反应动力学研究中的集总方法，将汽油研究法辛烷值看成汽油链烷