什么是线性回归

简介: 【7月更文挑战第21天】什么是线性回归。

什么是线性回归
线性回归是利用数理统计中的回归分析来确定两种或两种以上变量间相互依赖定量关系的一种统计分析方法,其运用领域十分广泛。
简单来说,线性回归就是要完成一个函数,该函数有输入和输出,当输入一些参数时,该函数就能得到一个结果作为输出,这个输出就是对输入的预测,且这个预测的结果是连续的。
在平面直角坐标系中确定一条直线至少需要两个点,如果在平面内绘制一条直线,那么这条直线的表达式可以是y=kx+b(斜截式),在斜率k和截距b已知的情况下,只要输入一个x,就有与之对应的y。线性回归是在N维的空间找到一条直线、一个平面或者一个超平面,使其能够拟合提供的数据,从而可以预测新的数据。在线性回归中,公式为y=Wx+b,W是权重,b是偏置。

目录
相关文章
|
1月前
|
机器学习/深度学习 数据挖掘 C#
用C#实现简单的线性回归
用C#实现简单的线性回归
28 1
|
2月前
|
数据可视化 Python
数学方法解决线性回归问题
【7月更文挑战第21天】数学方法解决线性回归问题
33 2
|
2月前
|
机器学习/深度学习
逻辑回归
【7月更文挑战第22天】逻辑回归
31 5
|
2月前
|
机器学习/深度学习 算法 数据挖掘
线性回归
【7月更文挑战第21天】线性回归。
30 1
|
3月前
|
机器学习/深度学习 存储 自然语言处理
逻辑回归的介绍和应用
**逻辑回归简介** 逻辑回归是一种分类模型,尽管名字含“回归”,实际上是用于二分类问题的。它简单易懂,计算高效,适用于许多领域,如医学、社会科学、市场营销等。优点是模型简单,易于实现,具有强解释性。然而,它易受多重共线性影响,可能欠拟合,分类精度有限,尤其对非线性问题和数据不平衡问题处理不佳。在实践中,逻辑回归常作为其他复杂算法的基线,如用于信用卡欺诈检测和点击率预测。通过调整和与其他技术结合,如GBDT,可以提升其性能。
|
3月前
|
机器学习/深度学习 数据可视化 Python
Logistic回归(一)
这篇内容是一个关于逻辑回归的教程概览
|
3月前
|
机器学习/深度学习 算法
Logistic回归(二)
Logistic回归,又称对数几率回归,是用于分类问题的监督学习算法。它基于对数几率(log-odds),通过对数转换几率来确保预测值在0到1之间,适合于二分类任务。模型通过Sigmoid函数(S型曲线)将线性预测转化为概率。逻辑回归损失函数常采用交叉熵,衡量模型预测概率分布与真实标签分布的差异。熵和相对熵(KL散度)是评估分布相似性的度量,低熵表示分布更集中,低交叉熵表示模型预测与真实情况更接近。
|
4月前
R方和线性回归拟合优度
R方和线性回归拟合优度
|
机器学习/深度学习 API 算法框架/工具
二、逻辑回归
二、逻辑回归

相关实验场景

更多
下一篇
DDNS