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】:
考虑多个变量的话:
实际值与预测值的误差,则有
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。
则【上面已知】,将换成
则有,
似然函数为:
取对数:
得目标函数为:
梯度下降算法:
**************************************************分割线****************************************************
Logistic回归
Logistic回归参数估计:
对数似然函数:
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:机器学习(二)回归 - Python技术站