iT邦幫忙

2023 iThome 鐵人賽

DAY 3
0

說起線性回歸,這是我在學機器學習時碰到的第一個演算法,今天先簡單介紹線性回歸,明天會討論L1、L2正規化

Regression

在講線性回歸之前,先講講回歸是個什麼樣的概念吧!

  • 回歸模型是由自變數(independent variable)和依變數(dependent variable)之間的關係建出來的模型

    • 自變數(independent variable): 不被其他變數影響,只會去影響別人
    • 依變數(dependent variable): 被其他變數影響的
  • 可大致分為以下兩類

    • 簡單線性回歸(Simple linear regression)
    • 多變數回歸(multiple regression)

簡單線性回歸(Simple linear regression)

  • 只有兩個變數(自變數與依變數)
  • 簡單線性回歸: y=β0+β1x
    • β0:截距
    • β1:斜率
      https://ithelp.ithome.com.tw/upload/images/20230918/20163280308jqY1qaR.png
  • (xi, yi), i=1~n,將每一組資料都帶到回歸公式內
  • ŷi =β0+β1xi,i=1~n
  • ŷi :為預估值,和真實資料會有誤差(error)
  • 誤差計算:yi-ŷi
  • 希望找到的模型最終的誤差越小越好

多變數回歸(multiple regression)

  • 有多個自變數(其他基本跟簡單線性回歸差不多)
  • y=β0+β1x1i+β2x2i+......+βnxni (假設有n個自變數)
  • y = Xβ

參考資料


上一篇
Day2-機器學習的情境
下一篇
Day4-L1、L2 regularization & Elastic net
系列文
什麼演算法?一起來學機器學習!30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言