深入了解机器学习(Descending into ML):线性回归

人们早就知晓，相比凉爽的天气，蟋蟀在较为炎热的天气里鸣叫更为频繁。数十年来，专业和业余昆虫学者已将每分钟的鸣叫声和温度方面的数据编入目录。Ruth 阿姨将她喜爱的蟋蟀数据库作为生日礼物送给您，并邀请您自己利用该数据库训练一个模型，从而预测鸣叫声与温度的关系。

首先建议您将数据绘制成图表，了解下数据的分布情况：

图 1. 每分钟的鸣叫声与温度（摄氏度）的关系。

毫无疑问，此曲线图表明温度随着鸣叫声次数的增加而上升。鸣叫声与温度之间的关系是线性关系吗？是的，您可以绘制一条直线来近似地表示这种关系，如下所示：

图 2. 线性关系。

事实上，虽然该直线并未精确无误地经过每个点，但针对我们拥有的数据，清楚地显示了鸣叫声与温度之间的关系。只需运用一点代数知识，您就可以将这种关系写下来，如下所示：

y = mx + b

其中：

y指的是温度（以摄氏度表示），即我们试图预测的值。
m指的是直线的斜率。
x指的是每分钟的鸣叫声次数，即输入特征的值。
b指的是 y 轴截距

按照机器学习的惯例，您需要写一个存在细微差别的模型方程式：

y' = b + ω₁x₁

其中：

y'指的是预测标签（理想输出值）。
b指的是偏差（y 轴截距）。而在一些机器学习文档中，它称为ω0。
ω₁指的是特征 1 的权重。权重与上文中用 m表示的“斜率”的概念相同。
x₁指的是特征（已知输入项）。

要根据新的每分钟的鸣叫声值x₁推断（预测）温度 y'，只需将 x₁x1 值代入此模型即可。

下标（例如 ω₁ 和 x₁x1

）预示着可以用多个特征来表示更复杂的模型。例如，具有三个特征的模型可以采用以下方程式：

y' = b + ω₁x₁ + ω₂χ₂ + ω₃χ₃

y′=b+w1x

y=mx+

深入了解机器学习(Descending into ML):线性回归相关推荐

深入了解机器学习 (Descending into ML)：线性回归
人们早就知晓,相比凉爽的天气,蟋蟀在较为炎热的天气里鸣叫更为频繁.数十年来,专业和业余昆虫学者已将每分钟的鸣叫声和温度方面的数据编入目录.Ruth 阿姨将她喜爱的蟋蟀数据库作为生日礼物送给您,并邀请您 ...
java 多项式拟合最多的项数_机器学习（1）--线性回归和多项式拟合
机器学习(1)--线性回归和多项式拟合机器学习(2)逻辑回归 (数学推导及代码实现) 机器学习(3)softmax实现Fashion-MNIST分类一线性回归线性回归,顾名思义是利用线性模型对 ...
机器学习经典算法之线性回归sklearn实现
机器学习经典算法之线性回归sklearn实现 from sklearn import linear_model from sklearn import datasets import numpy as ...
机器学习之单变量线性回归（Linear Regression with One Variable）
机器学习之单变量线性回归(Linear Regression with One Variable) 1. 模型表达(Model Representation) 我们的第一个学习算法是线性回归算法,让我 ...
机器学习（一）—— 线性回归
机器学习(一)-- 线性回归目录 0. 回归(Regression)的由来 1. 回归关系 2. 线性回归的整体思路 (1)根据数据提出假设模型 (2)求解参数 1)梯度下降法 2)正规方程求解参数 ...
吴恩达机器学习2——单变量线性回归
吴恩达机器学习2--单变量线性回归监督学习工作模式训练集中同时给出了输入输出,即人为标注的"正确结果"喂给学习算法,得到一个函数h,h 可以根据输入的x得到一个y,因此h是x到 ...
吴恩达机器学习训练1：线性回归（多变量）
吴恩达机器学习训练1:线性回归(多变量) 本小节为练习1中选做题,为多变量(多特征参数)的线性回归计算. 还是预测房价的例子,假设已经两个特征参数,分别是房子的尺寸和卧室的数量,在数据的第一列和第二列 ...
机器学习总结(一)：线性回归、岭回归、Lasso回归
机器学习总结(一):线性回归.岭回归.Lasso回归参考网址:https://blog.csdn.net/hzw19920329/article/details/77200475 主要是岭回归(脊回 ...
机器学习（三）线性回归
机器学习(三) 线性回归明确要解决的问题-xxx的预测数据收集与预处理选择机器学习模型(这里选择线性回归) 通过梯度下降训练机器,确定模型内部参数进行超参数调试和性能优化一.数据收集与预处理 ...

深入了解机器学习(Descending into ML):线性回归

深入了解机器学习(Descending into ML):线性回归相关推荐

最新文章

热门文章