1. Los puntos de conocimiento clave de esta sección se resumen en sus propias palabras, pueden ir acompañados de imágenes y explicar la importancia de los puntos de conocimiento.
1) La diferencia entre regresión y clasificación:
2) La definición de regresión lineal y la ecuación de múltiples ecuaciones lineales:
3) Existe un cierto error entre la predicción de la máquina de regresión lineal y el valor verdadero:
4) La fórmula de la función de pérdida, es decir, la fórmula para calcular el tamaño del error:
5) Algoritmo de regresión lineal, estrategia y optimización:
6) Comprender la fórmula del algoritmo de descenso de gradiente del método de mínimos cuadrados:
7) Dos efectos gráficos del algoritmo de descenso de gradiente:
8) El código específico del algoritmo de gradiente en el curso:
2. ¿Pensando para qué algoritmos de regresión lineal se pueden usar? (Todos intentan no escribir duplicados)
El algoritmo de regresión lineal utiliza principalmente datos de correlación para predecir otro conjunto de datos relacionados. Por ejemplo: predecir el nivel de precios de la vivienda, el aumento y la caída de las existencias, el nivel de los salarios, la venta de entradas para el cine, etc.
3. Escriba un algoritmo de regresión lineal de forma independiente, los datos los puede hacer usted mismo u obtenerlos de Internet. (Puntos más)
Caso: a través de la relación entre la antigüedad y el salario mensual, dibuje un gráfico relevante, y puede usarse para predecir el salario mensual a través de la antigüedad.
Código fuente:
Resultado de la operación:
Se puede ver que cuanto mayor es la antigüedad, mayor es el salario mensual.
