机器学习基础算法-05

线性模型,或者说线性回归。回归分析本质上是一个函数估计问题,通俗的来说,就是找出因变量和自变量之间的因果关系。回归分析的因变量应该是连续变量(房价是连续的,或者预测某些病症发病的概率值);若因变量为离散变量(预测图片分类等),则问题就是分类问题,回归分析是一个有监督学习问题。

线性模型本身是很简单的一个模型,求解计算方式甚至很难讲需要机器来进行“学习”,但它重要的点在于,一旦随着学习深入,当进行模型优化的时候,就会发现很多求解过程将变得困难,进而思考,是否有更好的方式来求出问题。这时候,自然而然的引出了迭代,回归等一系列的问题。当然,这些方法历史上不是由线性模型提出的。高斯提出了线性回归的基本框架,那时候连电脑都没有,自然想不到日后这个模型将会产生如此深远的影响。不得不说,高斯真是对几百年后的世界产生了难以估量的影响。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181027G0PE1M00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券