type
status
date
slug
summary
tags
category
icon
password
线性回归
概念
线性回归是机器学习中有监督机器学习下的一种算法。
回归问题主要关注确定一个唯一的因变量(dependent variable)(需要预测的值)和一个或多
个数值型的自变量(independent variables)(预测变量)之间的关系。
需要预测的值:即目标变量,target,y,连续值
预测变量:影响目标变量的因素,predictors,X1...Xn,可以是连续值也可以是离散值
之间的关系:即模型,model,是我们要求解的
简单线性回归
前面提到过,算法说白了就是公式,简单线性回归属于一个算法,它所对应的公式。
这个公式中,y 是目标变量即未来要预测的值,x 是影响 y 的因素,a,b 是公式上的参数即
要求的模型。其实 a 就是咱们的截距,b 就是斜率嘛!
所以很明显如果模型求出来了,未来影响 y 值的未知数就是一个 x 值,也可以说影响 y 值
的因素只有一个,所以这是算法包含“简单”这个词的原因。
同时可以发现从 x 到 y 的计算,x 只是一次方,所以这是算法叫“线性”回归的原因。
其实,大家上小学时就已经会解这种一元一次方程了。为什么那个时候不叫人工智能算法
呢?
因为人工智能算法要求的是最优解
Actual value:真实值,即已知的 y
Predicted value:预测值,是把已知的 x 带入到公式里面和猜出来的参数 a,b 计算得到的
Error:误差,预测值和真实值的差距
最优解:尽可能的找到一个模型使得整体的误差最小,整体的误差通常叫做损失 Loss
Loss:整体的误差,loss 通过损失函数 loss function 计算得到
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2Ffa89fe42-59a1-48d3-a502-c6d5a3c1aae0%2FUntitled.png?table=block&id=da034648-fdda-4d69-8344-fe52ace8e0f5)
多元线性回归
现实生活中,往往影响结果 y 的因素不止一个,这时 x 就从一个变成了 n 个,X1...Xn
同时简单线性回归的公式也就不在适用了
![notion image](https://www.notion.so/image/https%3A%2F%2Fs3-us-west-2.amazonaws.com%2Fsecure.notion-static.com%2Ff4a2e92e-a4c1-4131-87cb-74ba2065ebd8%2FUntitled.png?table=block&id=c76fc884-a828-4c4b-a7b1-df02a030f178)
- 作者:MasterYe
- 链接:https://www.masterye.xyz//article/AI-1
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议,转载请注明出处。
相关文章