1. Os principais pontos de conhecimento desta seção são resumidos em suas próprias palavras, podem ser acompanhados de figuras e explicam a importância dos pontos de conhecimento
Nesta lição, estudei principalmente o algoritmo de regressão linear e entendi a definição do algoritmo: a regressão linear prevê dados desconhecidos com base nos dados existentes . Por exemplo: pred Previsão do preço da habitação, como mostrado na Figura 1-1 , e visualização de dados, como mostrado na Figura 1-2 ;
Figura 1-1 Previsão de preços por área
A Figura 1-2 desenha uma relação linear entre área e preço da habitação
ForecastPrevisão de vendas , conforme mostrado na Figura 1-3;
Figura 1-3 Previsão por vendas ao longo dos anos
Forecast Previsão de empréstimo , como mostrado na Figura 1-4 . Espera . .
Figura 1-4 Previsão do valor do empréstimo com base na integridade pessoal
Vantagens e desvantagens do algoritmo de regressão linear:
Vantagens:
Pensamento simples e fácil implementação. Modelagem rápida, eficaz para pequenos volumes de dados e relacionamento simples;
② é a base de muitos modelos não lineares poderosos.
③O modelo de regressão linear é muito fácil de entender e os resultados são muito interpretáveis, o que conduz à análise de decisão.
④ contém muitas idéias importantes no aprendizado de máquina.
Solve Pode resolver o problema de regressão.
Desvantagens:
Difficult É difícil modelar dados não lineares ou regressão polinomial com correlação entre recursos de dados .
IsÉ difícil expressar bem dados altamente complexos.
Há também um certo erro entre a previsão da máquina e o valor real, então você precisa usar o algoritmo para reduzir o erro o máximo possível: equação normal, método de descida de gradiente.
Método 1: Equação normal
Método 2: descida de gradiente
2. Pensando em que algoritmos de regressão linear podem ser usados?
Exemplos de sala de aula: previsão de preço da habitação, previsão de vendas, previsão de empréstimo de cota
PS : Existem muitos exemplos na vida em que algoritmos de regressão linear podem ser usados para prever dados desconhecidos:
① Previsão das condições meteorológicas;
②A previsão da receita de vendas da empresa e gastos com publicidade;
RedPrever a taxa de criminalidade de acordo com o crime cometido em um determinado local
3. Escreva um algoritmo de regressão linear de forma independente, os dados podem ser criados por você mesmo ou obtidos na Internet. (Pontos positivos)