这一讲开始,每一讲都是一个重要的模型。由于我也是初学者,更新可能会慢了。现在的比较比较凌乱,等这些课程全部学完之后,会统一再整理一下。

主要内容:

线性回归——高斯分布、极大似然估计MLE、最小二乘法的本质

Logistic回归——分类问题的首选算法(简单)

工具:梯度下降算法、极大似然估计

回归与分类的简单区别:y连续变化的话就是回归问题,y是离散的,就是分类问题。【粗】

————————————————————————————————————————————————————————————————————

线性回归

y=ax+b

房屋售价问题,考虑两个变量的话【房间大小,房间个数】:

机器学习(二)回归

考虑多个变量的话:

机器学习(二)回归

实际值与预测值的误差机器学习(二)回归,则有机器学习(二)回归

机器学习(二)回归

很多随机现象可以看成众多因素的独立影响的综合反应,往往近似服从正态分布。

 

机器学习(二)回归

机器学习(二)回归【上面已知】,将机器学习(二)回归换成机器学习(二)回归

则有,机器学习(二)回归

似然函数为:机器学习(二)回归

 

 取对数:机器学习(二)回归

 

 

 

 得目标函数为:机器学习(二)回归

 

机器学习(二)回归

 

梯度下降算法:机器学习(二)回归

机器学习(二)回归

 

机器学习(二)回归

 

**************************************************分割线****************************************************

Logistic回归

机器学习(二)回归机器学习(二)回归

 

机器学习(二)回归 机器学习(二)回归

 

 Logistic回归参数估计:

机器学习(二)回归

对数似然函数:

机器学习(二)回归

机器学习(二)回归