机器学习之线性回归之第一课-CSDN博客
| 阿里云国内75折 回扣 微信号：monov8 |
| 阿里云国际，腾讯云国际，低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号：monov8 飞机：@monov6 |
回归模型根据已有数据预测结果根据不同的特征有不同的权重比
线性回归
线性回归可以处理多标签问题只需要在fit里输入多维标签
找出特征与特征权重之间的一种组合从而来预测对应的结果
无论怎么预测误差值始终是存在我们该如何将误差最小
回归算法是一种迭代方法迭代就类似系统版本的迭代新版本比旧版本更好
当开始寻线性回归模型的时候是逐步的将样本数据带入模型对其进行训练的
训练开始时先用部分的样本数据训练模型生成一组w和b对应的直线和数据对应散点的误差比较大通过不断地带入样本数据训练模型会逐步地迭代不好地w和b从而是使w和b值更加地精准
迭代就是重复反馈过程的活动其目的通常就是为了逼近所需目标或者结果。每次对过程的重复称为一次“迭代”每一次迭代得到的结果会作为下一次迭代的初始值。
Y=XWT公式里的T是转置符号可以看成权重值与变量的乘法两个矩阵乘积得到的结果
如何表示预测误差呢用损失函数来表示
范式
L0指的是向量中非0的元素的个数
L1指的是向量中各个元素绝对值之和
L2指的是向量个元素的平方和然后求平方根
损失函数
最小二乘法
最小二乘法需要用到的api如下
from sklearn.linear_model import LinearRegression
线性回归评价模型
损失函数不适合用来直接评价回归模型
我们从两个角度来看待回归的效果
1、我们是否你和到了足够的信息
2、我们是否拟合到了足够的信息
1的角度需要用到的api是
from sklearn.metrics import mean_squared_error as MSE
需要对MSE(x_test,y_pred)传入几个参数第一个测试集特征第二个预测值结果
找到测试结果的最小值最大值与测试集的最大值最小值进行对比
对线性回归进行评估需要知道r^2的值
需要调用的api
第一种直接从metrics中导入r2_score输入预测值和真实值后进行打分
1、from sklearn.metrics import r2_score
第二种直接从线性回归LinearRegression的接口Score来进行调用
第三种在交叉验证中输入r2来调用
| 阿里云国内75折 回扣 微信号：monov8 |
| 阿里云国际，腾讯云国际，低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号：monov8 飞机：@monov6 |