zoukankan      html  css  js  c++  java
  • 线性回归

    Reference: https://developers.google.com/machine-learning/crash-course/descending-into-ml/linear-regression

    linear regression 

    每分钟的虫鸣叫声与温度(摄氏度)的关系

    此曲线图表明温度随着鸣叫声次数的增加而上升。鸣叫声与温度之间的关系是线性关系,可以绘制一条直线来近似地表示这种关系。

    线性关系

    虽然该直线并未精确无误地经过每个点,但针对我们拥有的数据,清楚地显示了鸣叫声与温度之间的关系。只需运用一点代数知识,就可以将这种关系写下来,如下所示:

    其中:

    • y 指的是温度(以摄氏度表示),即我们试图预测的值。
    • m 指的是直线的斜率。
    • x 指的是每分钟的鸣叫声次数,即输入特征的值。
    • b 指的是y轴截距。

    按照机器学习的惯例,需要写一个存在细微差别的模型方程式:

    其中:

    • y' 指的是预测标签(理想输出值)。
    • b 指的是偏差(y 轴截距)。而在一些机器学习文档中,它称为 w0 。
    • w1 指的是特征 1 的权重。权重与上文中用 表示的“斜率”的概念相同。
    • x1 指的是特征(已知输入项)。

    要根据新的每分钟的鸣叫声值 x1 推断(预测)温度 y',只需将 x1 值代入此模型即可。

    下标(例如 w1 和 x1 )预示着可以用多个特征来表示更复杂的模型。例如,具有三个特征的模型可以采用以下方程式:

  • 相关阅读:
    datalist分页
    css渐变色
    4月25日
    今天
    DataView Distinct
    心情复杂啦
    高数矩阵
    计算机视觉学习OpenCV Java 调用
    大数据学习关于hdfs
    摄影学习构图技巧
  • 原文地址:https://www.cnblogs.com/agilestyle/p/12618098.html
Copyright © 2011-2022 走看看