zoukankan      html  css  js  c++  java
  • 吴恩达机器学习16:多变量线性回归(特征值以及多项式回归)

    1.房价案例:

      房价预测:我们有两个特征,临街宽度(frontage)和纵深(depth),我们可以建立这样的线性回归模型,临街宽度是第一个特征x1,纵深是第二个特征x2

    。这里我们可以自己选择特征值,将frontage 乘以  depth得到我们拥有土地的面积,于是我们就用这一个特征来计算,有时通过定义新的特征,可以得到一个更好的模型。

      与特征选择密切相关的一个概念是多项式回归。比如有下面这个住房价格的数据集,可能会有不同的模型用于拟合数据

       

      选择之一就是这样的一个二次模型,直线并不能很好的拟合这些数据,但是用下面这样的二次模型来拟合数据,价格可能是一个二次函数,可以得到下面这样的拟合结果:

      

      但是可能二次函数模型不合理,因为一个二次函数最终会降下来,我们不觉得随着土地面积的增加,房子价格会降下来,所以我们会选择一个不同的多项式模型,并转而选用一个三次函数,三次函数拟合的更好,因为它不会在最后下降,拟合的情况如下图

      那么我们怎样将模型与数据进行拟合呢?使用多元线性回归的方法,

       如果选择这样的模型来拟合,特征选择就显得更重要了,

  • 相关阅读:
    Python实战之SocketServer模块
    CentOS出错You don't have permission to access on this server
    系统瓶颈分析
    loadrunner支持https协议的操作方法-经验总结
    Loadrunner上传与下载文件脚本
    Loadrunner之HTTP接口测试脚本实例
    Android界面性能调优手册
    Loadrunner11.0 录制手机App脚本的方法
    资源监控工具--spotlight
    Jmeter常见问题
  • 原文地址:https://www.cnblogs.com/bigdata-stone/p/10304274.html
Copyright © 2011-2022 走看看