機器學習課次5-多元線性回歸算法原理_第1頁
機器學習課次5-多元線性回歸算法原理_第2頁
機器學習課次5-多元線性回歸算法原理_第3頁
機器學習課次5-多元線性回歸算法原理_第4頁
機器學習課次5-多元線性回歸算法原理_第5頁
已閱讀5頁，還剩6頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

彭輝94031097（QQ）機器學習MachineLearning線性回歸02任務目標能力目標使用python編程實現(xiàn)線性回歸算法構(gòu)建線性模型實現(xiàn)對測試數(shù)據(jù)的預測使用sklearn工具庫進行線性回歸模型開發(fā)任務目標素質(zhì)目標團隊協(xié)作學會學習實踐創(chuàng)新目錄簡單線性回歸：簡單線性回歸算法實現(xiàn)簡單線性回歸算法介紹多元線性回歸多元線性回歸算法介紹多元線性回歸算法實現(xiàn)多元線性回歸多元線性回歸模型被用來描述因變量(y)和自變量(X1,X2,…Xn)以及偏差(error)之間關(guān)系的方程叫做回歸模型多元線性回歸的模型是:多元線性回歸方程:是參數(shù)是偏差圖像是一條直線（回歸線）E(y)是在一個給定x值下y的期望值（均值）多元線性回歸多元線性回歸分析流程——類似簡單線性回歸:線性模型線性回歸方程參數(shù)ω0，ω1未知樣本數(shù)據(jù)集將參數(shù)ω0，ω1作為回歸方程參數(shù)W0，

W1的估計值估算回歸方程計算參數(shù)ω0，ω1多元線性回歸線性回歸求解分析找到一條曲線，使所有樣本到直線上的歐式距離之和最小目標函數(shù)均方誤差最小化(最小二乘法)：令目標函數(shù)對ω1…ωn和ω0的偏導為零求解多元線性回歸線性回歸算法實現(xiàn)（基于sklearn）:sklearn.linear_model中的LinearRegression可實現(xiàn)線性回歸LinearRegression的構(gòu)造方法：LinearRegression(#默認值為True，表示計算隨機變量，F(xiàn)alse表示不計算隨機變量

fit_intercept=True,#默認值為False，表示在回歸前是否對回歸因子X進行歸一化True表示是,

normalize=False,copy_X=True

)多元線性回歸線性回歸算法實現(xiàn)（基于sklearn）-續(xù):編寫代碼：如果一個運輸任務是跑102英里，運輸6次，預計多少小時？LinearRegression的常用方法有：decision_function(X)#返回X的預測值y

fit(X,y[,n_jobs])#擬合模型get_params([deep])#獲取LinearRegression構(gòu)造方法的參數(shù)信息

predict(X)#求預測值#同decision_function任務小結(jié)多元

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論