知识卡片
线性回归拟合加权和
线性回归预测 wᵀx+b。其中每个系数对应其他输入坐标给定时的预测变化,截距是零输入处的模型预测。一元情形画成直线,多元时仍是一组线性参数。输入若预先加入平方项,模型可以对原变量弯曲而仍对系数线性。普通最小二乘的计算本身无需假定正态误差。
可参照[[最小二乘是列空间投影]]。最小二乘空间投影解释线性回归估计。
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
- 搞懂算法:线性回归是怎么回事 · 查看原书依据
如果回归分析包括一个自变量和一个因变量,且二者的关系可用一条直线近似表示,这种回归分析就称为一元线性回归分析。
参考来源
- 位置:《从零开始:机器学习的数学原理和算法实践》第7章《搞懂算法:线性回归是怎么回事》(来源项目 book-source:extracted/从零开始:机器学习的数学原理和算法实践/_epub-src/OEBPS/Text/chapter007.xhtml)
- 结论依据:原文用一元和多元两种形式及预测案例解释变量关系。
- 原始内容:如果回归分析包括一个自变量和一个因变量,且二者的关系可用一条直线近似表示,这种回归分析就称为一元线性回归分析。