机器学习算法笔记(七):多元线性回归

简单线性回归算法只有一个特征值(x),但是在真实世界中,我们的样本通常是有成千上万个特征值的。针对这样的样本,我们可以使用多元线性回归来求解。多元线性回归中有多种特征,每一种特征都与 y 呈线性关系,只是线性关系的系数不同。下面就让我们看一下多元线性回归的求解思路以及算法实现。 阅读全文机器学习算法笔记(七):多元线性回归

机器学习算法笔记(六):衡量一个算法解决回归问题的指标

与分类问题直接统计分类准确率类似,我们也有衡量一个算法解决回归问题的指标。不过因为回归问题预测的是具体的值,衡量回归问题的指标必然不会像分类问题那么简单。本文中主要探讨四种指标,分别是MSE,RMSE,MAE和R Squared。 阅读全文机器学习算法笔记(六):衡量一个算法解决回归问题的指标

机器学习算法笔记(五):简单线性回归

线性回归法(Linear Regression)是解决回归问题的最基础的算法。它思想简单、实现容易,是许多强大的非线性模型的基础。线性回归法的预测结果有着很好的可解释性,也蕴含了机器学习中的很多重要思想。

所谓线性回归,就是寻找一条直线,能最大程度的“拟合”样本特征和样本输出标记之间的关系阅读全文机器学习算法笔记(五):简单线性回归