失效链接处理 |
机器学习1000?nbsp; PDF 下蝲
相关截图Q?/strong>
![]() 主要内容Q?/strong>
一、线性回?/strong>
1、什么是U性回归?U性回归模型的基本原理和假设?/strong>
U性回归是一U广泛用于统计学和机器学习中的回归分析方法,用于建立自变量(特征Q与因变量(目标Q之间的
U性关pL型。线性回归的基本原理是寻找一条直U(或者在多维情况下是一个超q面Q,以最佛_拟合训练?/span>
据,使得模型的预与真实观测g间的误差最化。下面我们来详细解释U性回归的基本原理和假设?/span>
单线性回归模型:
y Q?nbsp;bo Q?nbsp;b1 ·
多元U性回归模型:
y = bo Q?nbsp;b1 · 1Q?nbsp;b2 · 2 Q?nbsp;… Qbp · Cp
其中Q?/span>
是因变量Q需要预的|?/span>
1
2
… … 是自变量Q特征)Q可以是一个或多个?/span>
bo 是截距(模型在自变量都ؓ0时的预测|?/span>
b1 b2 … bp 是回归系敎ͼ表示自变量对因变量的影响E度?/span>
U性回归的目标是找到合适的回归pL bo b1 …bpQ以最化模型的预误差。通常采用最二乘法来估计这
些系敎ͼ即得观g模型预测g间的D差qx和最?/span>
U性回归模型的有效性基于以下一些关键假设:1 ?strong style="font-weight: bold;">U性关pd?/strong>Q线性回归假讑֛变量和自变量之间存在U性关pR这意味着模型试图用一条直U(或超q面Q?/span>
来拟合数据,以描q自变量与因变量之间的关pR?/span>
2 ?strong style="font-weight: bold;">独立性假?/strong>Q线性回归假设每个观g间是怺独立的。这意味着一个观值的误差不受其他观测值的?/span>
响?/span>
3 ?strong style="font-weight: bold;">常数方差假设Q线性回归假讑֜自变量的每个取值点上,观测值的误差方差都是常数。这被称为同方差性或{?/span>
方差性?/span>
4 ?strong style="font-weight: bold;">正态性假?/strong>Q线性回归假设观值的误差服从正态分布。这意味着在不同自变量取值点上的误差应该接近正?/span>
分布?/span>
如果q些假设不满IU性回归模型的l果可能不可靠?/span>
|