線性回歸定義和線性回歸方程公式

什么是線性回歸？

線性回歸定義與公式

線性回歸(Linear regression)是利用回歸方程(函數(shù))對一個或多個自變量(特征值)和因變量(目標值)之間關(guān)系進行建模的一種分析方式。

特點：只有一個自變量的情況稱為單變量回歸，多于一個自變量情況的叫做多元回歸

線性回歸用矩陣表示舉例

那么怎么理解呢?我們來看幾個例子

期末成績：0.7×考試成績+0.3×平時成績

房子價格 = 0.02×中心區(qū)域的距離 + 0.04×城市一氧化氮濃度 + (-0.12×自住房平均房價) + 0.254×城鎮(zhèn)犯罪率

上面兩個例子，我們看到特征值與目標值之間建立了一個關(guān)系，這個關(guān)系可以理解為線性模型。

線性回歸應用場景

·房價預測

·銷售額度預測

·貸款額度預測

舉例：

線性回歸的特征與目標的關(guān)系分析

線性回歸當中主要有兩種模型，一種是線性關(guān)系，另一種是非線性關(guān)系。在這里我們只能畫一個平面更好去理解，所以都用單個特征或兩個特征舉例子。

線性關(guān)系

單變量線性關(guān)系：

多變量線性關(guān)系

注釋：單特征與目標值的關(guān)系呈直線關(guān)系，或者兩個特征與目標值呈現(xiàn)平面的關(guān)系

更高維度的我們不用自己去想，記住這種關(guān)系即可

非線性關(guān)系

注釋：為什么會這樣的關(guān)系呢?原因是什么?

如果是非線性關(guān)系，那么回歸方程可以理解為：

w₁x₁+w₂x₂²+w₃x₃²

猜你喜歡：

什么是OCR？OCR技術(shù)詳解

簡述機器學習流程

樸素貝葉斯為什么被稱為“樸素”？

深度分析box來提升檢測性能的方法

黑馬程序員AI人工智能培訓課程