回归算法 - 线性回归

首页 / 机器学习入门教程 / 回归算法 - 线性回归

线性回归可以定义为统计模型,用于分析因变量与给定的一组自变量之间的线性关系,变量之间的线性关系意味着,当一个或多个自变量的值更改(增加或减少)时,因变量的值也将相应更改(增加或减少)。

数学上的关系可以通过以下方程式表示:

       Y=mX+b

在这里,Y是无涯教程试图预测的因变量,X是用来进行预测的因变量,m是回归线的斜率,代表X对Y的影响

b是一个常数,称为ΔY截距。如果X=0,则Y等于 b.

此外,线性关系本质上可以是正数或负数,如下所述-

正线性关系

如果自变量和因变量都增加,则线性关系称为正。下图可以帮助理解-

正线性关系

负线性关系

如果独立增加且因变量减少,则线性关系将称为正。下图可以帮助理解-

Negative Linear Relationship

线性回归类型

线性回归具有以下两种类型-

无涯教程网

这一章《回归算法 - 线性回归》你学到了什么?在下面做个笔记吧!做站不易,你的分享是对我们最大的支持,感谢!😊

猜你喜欢

邱岳的产品实战 -〔邱岳〕

JavaScript核心原理解析 -〔周爱民〕

Spring Cloud 微服务项目实战 -〔姚秋辰(姚半仙)〕

React Native 新架构实战课 -〔蒋宏伟〕

好记忆不如烂笔头。留下你的足迹吧 :)