知识卡片
线性回归用加权和预测
线性回归把每项特征乘以系数,再加截距,预测连续目标。单特征模型画为直线,两特征模型画为平面。系数表示其余输入固定时,某输入增加一单位对应的预测变化。统计关联本身无法证明因果效应。
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
- · 第4章 回归算法
原书出处 · 1 处
- 回归算法 4.1.1 · 查看原书依据
所以线性回归的定义就是,寻找一条直线,最大程度“拟合”样本特征和样本输出标记之间的关系。如果样本特征只有一个,就称为简单线性回归。
参考来源
- 位置:《AI制胜:机器学习极简入门》第4章 回归算法 §4.1.1(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter4.xhtml#isbn9787302555513_4_1_1_1)
- 结论依据:原文以面积和房价的一元直线及增加卧室数后的平面说明特征如何进入模型。
- 原始内容:所以线性回归的定义就是,寻找一条直线,最大程度“拟合”样本特征和样本输出标记之间的关系。如果样本特征只有一个,就称为简单线性回归。