知识卡片
多元线性回归
多元线性回归研究两个或两个以上自变量与因变量之间的关系。当有两个以上自变量时称为多元回归,其意义更大——现实中某种现象往往与多个因素相关,多个自变量组合预测会比单一自变量更准确。 形式上,它把多变量的线性方程用向量简写成 y=w·x+b,其中 w=(w1,w2,…,wd),w 和 b 是模型需要学习的参数。 几何直觉:一元回归在二维平面找一条直线,二元回归在三维空间找一个平面,更多变量则升到高维空间中的超平面;直线与平面都是超平面的特例。目标和一元情形相同——找到离所有样本点“最接近”的那个超平面。 边界:超过三维后难以画出图像,只能依靠损失函数和公式来求解。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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 · 1 处
- 趋势预测专家:回归分析 4.2.2 多元线性回归 · 查看原书依据
在回归分析中,如果有两个或两个以上的自变量,就称为多元回归。在实际生活中,出现某种现象一定是与多个因素相关的,因此由多个自变量的组合共同预测因变量,会比只用一个自变量进行预测更准确。因此多元回归的实际意义更大。一元线性回归研究的是一个变量与结果之间的关系,而多元线性回归研究的是多个变量与结果之间的关系。
参考来源
- 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第4章《趋势预测专家:回归分析》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00009.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:原文指出“由多个自变量的组合共同预测因变量,会比只用一个自变量进行预测更准确。因此多元回归的实际意义更大”,并说明一元研究一个变量、多元研究多个变量与结果的关系,支撑本卡。
- 原始内容:在回归分析中,如果有两个或两个以上的自变量,就称为多元回归。在实际生活中,出现某种现象一定是与多个因素相关的,因此由多个自变量的组合共同预测因变量,会比只用一个自变量进行预测更准确。因此多元回归的实际意义更大。一元线性回归研究的是一个变量与结果之间的关系,而多元线性回归研究的是多个变量与结果之间的关系。