线性回归算法学习总结

数据分析方法-线性回归算法学习总结

老师指路->

博客园:https://www.cnblogs.com/pinard/category/894692.html

B站视频推导:https://www.bilibili.com/video/BV1hW41167iL

简书文章:https://www.jianshu.com/p/4afe1d310377

知识点补充:

最小二乘法
图像拟合

线性回归:画出直线去拟合数据点

假设有数据集D=\left\{ (x_{1},y_{1} ),(x_{2},y_{2} ),...,(x_{N},y_{N}  ) \right\}

x_{i}\in  R^p 为p维列向量,y\in R为实数,i=1,2,...,N

(公式的矩阵画法没找到,图片代替)


X


Y

最小二乘法估计(涉及矩阵求导):

公式推导

由公式推导得L(W)=W^TX^T XW-2W^TX^TY+YY^T

(没找到公式求导符号,继续手写)


W

根据已知条件代入公式,得到W,可得到线性回归公式。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

友情链接更多精彩内容