线性模型
给定包含 个属性的样本 ,线性模型学习一个【通过各个属性的线性组合来进行预测】的函
数,即
学习到 和 之后,即可确定一个线性模型。线性模型的优势在于参数 直观地表达了样本的各个属性对最终预测
结果的重要性(正负,大小),因此线性模型具有很好的可解释性。
1. 单变量线性回归
线性回归模型试图根据数据集,学习一个【预测实数值输出】的线性模型。先考虑样本中只有一个属性,即
的情况,用 表示一个样本,则线性回归试图学习参数 和 ,使得
尽可能与 接近。衡量接近的方法是计算 与 的均方误差(MSE),即:
令MSE最小化,可得:
令对 的导数为0,可得:
将结果代入对 的导数,并令其为0,可得:
评论0