1.解決回歸問題

2.思想簡單，實現(xiàn)容易

3.許多強大的非線性模型的基礎

4.結(jié)果具有很好的可解釋性

5.蘊含機器學習中的很多重要思想

所謂的建模的過程，其實就是找到一個模型最大程度的擬合我們的數(shù)據(jù)。在線性回歸算法中，這個模型就是一個直線方程，所謂的最大擬合我們的數(shù)據(jù)，其實本質(zhì)是找到一個函數(shù) ，在這里我們稱這個函數(shù)叫做損失函數(shù)，就是loss?function，也就是我們的這個模型沒有擬合樣本的這一部分，就是損失的這一部分；有的算法中度量的是擬合的程度，在這種情況下稱這個函數(shù)為效用函數(shù)(utility?function)。統(tǒng)稱它們?yōu)槟繕撕瘮?shù)。

注意：分類問題

?

?

?

?

?

?

?損失函數(shù)：度量出沒有擬合出樣本的部分

效用函數(shù)：度量是擬合的程度

?參數(shù)學習的算法都是這樣的一個套路。參數(shù)學習算法就是要創(chuàng)建一個模型，而機器學習的任務就是要學習這些模型的參數(shù)！《最優(yōu)化原理》

?導數(shù)等于0的地方就是函數(shù)極值的地方。

?

?

?

?

?

多元線性回歸

?

?

?

?

?

?

?

?

總結(jié)

以上是生活随笔為你收集整理的第5章 线性回归算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。