多元线性回归
多元线性回归: 多元线性在一元线性回归的基础上,增加了多个特征,目标函数与一元线性回归类似,但也有区别
文章图片
这样一比,区别自然而然就出来了!
多元线性回归的目标函数以及解析解
补充:
【机器学习基础知识|机器学习之多元线性回归】
文章图片
多元线性回归的目标函数
文章图片
目标函数的解析解
文章图片
注意:
文章图片
代码实现
#从0实现多元回归
import numpy as np
# 创建样本数据
X = np.array([[1, 2], [2, 3], [3, 4], [5, 6]])
y = np.dot(X, np.array([3, 3])) + 1
# 先使用sklearn自带的库来解决
model = LinearRegression().fit(X, y) res = np.matmul(np.linalg.inv(np.matmul(X.T,X)),np.matmul(X.T,y))
print ("手写代码实现线性回归模型参数为 coef: ", res[1:], " intercept: %.5f"%res[0])
推荐阅读
- 机器学习|机器学习—多元线性回归案例
- 机器学习|吴恩达机器学习作业一(利用多元线性回归模型实现房价预测(python实现))
- 机器学习|多元线性回归模型
- 机器学习|【机器学习】线性回归(超详细)
- 机器学习|线性回归学习心得
- 机器学习|K-近邻算法学习
- 机器学习|Pandas 学习
- 机器学习|Numpy学习
- 多元线性回归学习小结