机器学习-回归学习_加水印.pdfVIP

回归的概念 2 监督学习分为回归和分类 ü 回归 （Regression、Prediction） 标签连续 ü如何预测上海浦东的房价？ ü未来的股票市场走向？ ü分类 （Classification） 标签离散 ü身高1.85m，体重100kg的男人穿什么尺码的T恤？ ü根据肿瘤的体积、患者的年龄来判断良性或恶性？ 回归的概念 3 • 回归分析是指一种预测性的建模技术，主要是研究自变量 和因变量的关系。通常使用线/ 曲线来拟合数据点，然后研 究如何使曲线到数据点的距离差异最小。 回归问题是机器学习 三大基本模型中很重 要的一环。 • 回归问题多用来预测一个具体的数值 ，如预测房价、未来的天气情况等等。例 如我们根据一个地区的若干年的PM2.5数值变化来估计某一天该地区的PM2.5 值大小 ，预测值与当天实际数值大小越接近 ，回归分析算法的可信度越高。 回归的概念 4 回归的概念 5 面对一个回归问题，我们可简要描述其求解流程： ① 选定训练模型，即我们为程序选定一个求解框架，如线性回归模 型(Linear Regression)等。 ② 导入训练集 train_set ，即给模型提供大量可供学习参考的正确数 据。 ③ 选择合适的学习算法，通过训练集中大量输入输出结果让程序不 断优化输入数据与输出数据间的关联性，从而提升模型的预测准 确度。 ④ 在训练结束后即可让模型预测结果，我们为程序提供一组新的输 入数据，模型根据训练集的学习成果来预测这组输入对应的输出 值。 1. 线性回归 7 01 认识Python 01 线性回归 02 梯度下降 03 正则化 04 回归的评价指标 线性回归-概念 8 线性回归 （Linear Regression） 是一种通过属性的线性组合来进行预测 的线性模型 ，其 目的是找到一条直线或 者一个平面或者更高维的超平面 ，使得 预测值与真实值之间的误差最小化。 线性回归-概念 9 一元线性回归 多元线性回归 线性回归-符号约定 10 代表训练集中样本的数量 建筑面积 总层数 楼层 实用面积 房价 代表特征的数量 143.7 31 10 105 36200 162.2 31 8 118 37000 代表特征/输入变量 199.5 10 10 170 42500 96.5 31 13 74 31200 代表 目标变量/输出变量