摘要:本文主要向大家介绍了机器学习入门之Python3机器学习实践:线性回归【实例:波士顿房价预测】,通过具体的内容向大家展现,希望对大家学习机器学习入门有所帮助。
本文主要向大家介绍了机器学习入门之Python3机器学习实践:线性回归【实例:波士顿房价预测】,通过具体的内容向大家展现,希望对大家学习机器学习入门有所帮助。
线性回归是机器学习中最基础的算法,它研究的是样本目标和特征变量之间是否存在线性关系。
现在我们有506条有关波士顿房子的综合数据,包括房子的价格、房子所在区的犯罪率、黑人比例、高速公路条数等。每条数据就是一个样本,房价就是目标变量,其他数据可看作特征变量。
线性回归的步骤:
1,建立模型:确定目标和特征变量,建立方程
image
其中Y代表目标(因变量),X为特征(自变量),W为需要计算的参数。数学符号便利性:将Y=W*X+b中的b去掉,X中增加一个值为1的特征变量
2,求解模型:正规方程法或者最小梯度法求解目标函数
image
的最小值。
3,模型评估:计算决定系数。其计算公式为:
image
image
linear_problem.png
下面给出求解上述式子最小值的2种推导方法:正规方程和梯度下降。
regular.png
gradient.png
image
实例:波士顿房价预测
下面给出线性回归模型,预测值和真实值的对比图,其中模型的决定系数位0.7576,说明线性关系可以解释房价的75.76%。
本文由职坐标整理并发布,希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道!
您输入的评论内容中包含违禁敏感词
我知道了
请输入正确的手机号码
请输入正确的验证码
您今天的短信下发次数太多了,明天再试试吧!
我们会在第一时间安排职业规划师联系您!
您也可以联系我们的职业规划师咨询:
版权所有 职坐标-一站式IT培训就业服务领导者 沪ICP备13042190号-4
上海海同信息科技有限公司 Copyright ©2015 www.zhizuobiao.com,All Rights Reserved.
沪公网安备 31011502005948号