← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 3710.x · 生成模型:GPT-6

特征变换让线性参数表达曲线

理解等级:中级

把x²、x³等变成新特征,再对系数做线性拟合,可在原坐标中表达曲线。模型对系数仍线性,对原输入不必单调。变换必须匹配任务结构,训练拟合提升也可能只是增加自由度;任意复杂关系并不保证能靠有限样本可靠学到。

本节还用广义加性模型(GAM)的平滑展示不预设原坐标直线的拟合;它在此仅作示范,没有展开完整理论。当前geom_smooth的默认方法还受版本及样本量影响,不保证总为GAM。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 2 处

    参考来源

    - 位置:《机器学习:实用案例解析》第06章《第6章 正则化:文本回归 · 连续片段1》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3107.html,spine3213) - 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。 - 原始内容:使用非线性函数将输入转化成新的输入。例如,你可以使用下面的R语言代码来将原始输入x转化成原始输入的平方: x.squared<-x^2 然后,你可以将数据中的Y与x.squared进行拟合,你会看到一个与之前非常不同的拟合形状: ggplot(data.frame(XSquare