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.
La regresión lineal, como su nombre indica, es un problema de regresión. Como es un problema de regresión, debe pertenecer al aprendizaje supervisado.
Aquí hay una breve introducción a lo que es un problema de regresión: la regresión se usa para predecir la relación entre las variables de entrada y las variables de salida, especialmente cuando el valor de la variable de entrada cambia, el valor de la variable de salida cambia en consecuencia. El modelo de regresión es solo una función que representa el mapeo de la variable de entrada a la variable de salida. El aprendizaje del problema de regresión es equivalente al ajuste de la función: elija una curva de función que se ajuste bien a los datos conocidos y prediga bien los datos desconocidos.
La definición de regresión lineal es: se espera que el valor objetivo sea una combinación lineal de variables de entrada. Los modelos lineales son simples en forma y fáciles de modelar, pero contienen algunas ideas básicas importantes en el aprendizaje automático. La regresión lineal es un método de análisis estadístico que utiliza el análisis de regresión en estadística matemática para determinar la relación cuantitativa interdependiente entre dos o más variables.
En pocas palabras, es elegir una función lineal que se ajuste bien a los datos conocidos y predecir los datos desconocidos.
2. ¿Pensando para qué algoritmos de regresión lineal se pueden usar? (Todos intentan no escribir duplicados)
Procesar una gran cantidad de datos de observación para obtener una expresión matemática más acorde con las leyes internas de las cosas. En otras palabras, se encuentra la regla entre los datos y los datos, de modo que el resultado se puede simular, es decir, se predice el resultado. La solución es obtener resultados desconocidos a partir de datos conocidos. Por ejemplo: predicción de precios de vivienda, juicio de evaluación de crédito, estimaciones de taquilla de películas, etc.
3. Escriba un algoritmo de regresión lineal de forma independiente, los datos los puede hacer usted mismo u obtenerlos de Internet. (Puntos más)