[mqic6czuv1.png]
2 线性回归算法概述
2.1 线性回归简介
◆ 在回归分析中,自变量与因变量之间满足或基本满足线性关系,可以使用线性模型进行拟合
◆ 如回归分析中,只有一个自变量的即为一元线性回归...以便能够使预测错误的天数减少,也就是降低损失函数值,同时,也提高了预测的准确率
3.3 再谈线性回归
◆ 线性回归是最简单的数学模型之一
◆ 线性回归的步骤是先用既有的数据,探索自变量X与因变量Y之间存在的关系...,就是在训练过程中,将训练数据集拆分为训练集和验证集两个部分
训练集专用训练模型
验证集只为检验模型预测能力
当二者同时达到最优,即是模型最优的时候
[34nsdlpng3.png]
8.4 正则化原理...◆ 我们在前面的示例中可以看到,对于过拟合现象,往往都是模型过于复杂,超过实际需要
◆ 那么,能否在损失函数的计算中,对模型的复杂程度进行量化,越复杂的模型,就越对其进行”惩罚”, 以便使模型更加”中庸... w 的最小二乘 y 以拟合变量 x,它是一个二次规划问题:
[quea2emrtb.png]
保序回归应用于统计推理、多维标度等研究中。