逻辑回归用于解决分类问题。 这里的目的是预测被观察的当前对象所属的分类。它会给出0到1之间的离散二元结果。一个简单的例子就是一个人是否会在即将举行的选举中投票。...

多重线性回归试图在两个或更多特征与结果之间建立线性模型以拟合数据。多重线性回归的步骤与简单线性回归非常相似，区别在于评测过程。你可以用它发现对预测结果影响最大的特征及各个不同变量之间的关联。...

这是一种基于独立的变量X预测相关变量Y的方法。这种方法假设两个变量线性相关。因此，我们的目标是找到一种函数，能够根据X尽可能精确地预测Y值。...

【导语】学习逻辑回归模型，今天的内容轻松带你从0到100！阿里巴巴达摩院算法专家、阿里巴巴技术发展专家、阿里巴巴数据架构师联合撰写，从技术原理、算法和工程实践3个维度系统展开，既适合零基础读者快速入门，又适合有基础...

前面六篇文章从一个项目的终极目标、寻找和获取数据，到数据预处理，做特征工程，接下来就需要开始选择合适的算法模型，进行训练评估和测试了。...

这里的解释就是，对影响因素a或b求损失函数J的偏导，如果损失函数随着a或b增大而增大，我们就需要反方向搜索，使得损失函数变小。

机器学习领域在过去几十年中经历了巨大的变化，不可否认的是，虽然有些方法已经存在了很长时间，但仍然是该领域的主要内容。例如，最小二乘法（ least squares）的概念在19世纪早期由勒让德和高斯提出，最基本的形式的神经网络（ neu...

线性回归模型需要拟合全部的样本点（局部加权线性回归除外）。当数据拥有众多特征并且特征之间的关系十分复杂时，构建全局模型的想法就不切实际。一种可行的方法是将数据集切分成很多份容易建模的数据，然后再用线性回归技术...

线性回归的一个问题是很可能出现欠拟合现象。局部加权线性回归可以解决线性回归中的欠拟合现象。在该算法中，我们对更靠近待预测点的点赋予更高的权重。权重类型可以自由选择，最常用的是使用高斯核：W是一个对角矩阵，其中...

假设现有一些二维数据点，我们用一条线（直线或者曲线）对这些点进行拟合，这个拟合的过程就称作回归。如果用直线拟合，就是线性回归。