admin管理员组

文章数量:1660200



这是原始的数据

一般的我们定义x作为特征向量，

即x = [x_1，x_2，…，x_n]，

y作为响应向量，即y = [y_1，y_2，…，y_n]

对于n次观察（在上面的例子中，n = 10）

现在，任务是在上面的散点图中找到最适合的线，以便我们可以预测任何新特征值的响应。（即数据集中不存在x的值）该行称为回归线。
根据回归方程 h(x_i ) = b_1 + b_0x
h（x_i）表示第i次观察的预测响应值。
b_1和b_0是回归系数，分别代表回归线的y轴截距和斜率。
我们将使用最小二乘法技术。

我们的任务是找到j（b_0，b_1）最小的b_0和b_1的值！

在不进入数学细节的情况下,
B0 = Sxy/Sxx
B1 = ave(y) - ave(x)*B0

<

本文标签： 线性

版权声明：本文标题：线性回归 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://m.elefans.com/dianzi/1729850689a1215366.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。