线性回归试图模型两个变量之间的关系,拟合线性方程来解释观察到的资料。一个变量被认为是一个解释变量,和其他被认为是一个因变量。例如,modeler可能想与权重他们个人的高度使用线性回归模型。
之前符合线性模型来观测数据,modeler应该首先确定是否有一个感兴趣的变量之间的关系。这并不一定意味着一个变量会导致另一个(例如,更高的SAT分数不会导致更高的大学成绩),但这两个变量之间有重要关联。散点图可以是一个有用的工具来确定两个变量之间的关系的力量。如果之间似乎没有联系提出了解释和因变量(即。,散点图不显示任何增加或减少的趋势),然后拟合线性回归模型的数据可能不会提供一个有用的模型。有价值的数值测量协会两个变量之间的相关系数,这是一个值介于1和1表示的关联强度的两个变量的观测数据。
线性回归直线的方程形式Y = A + bX,其中X是解释变量和Y是因变量。直线的斜率是b, a是拦截(y的值,当x = 0)。
参考:
(1)https://www.iist.ac.in/sites/default/files/people/in12167/linear_regression.pdf
(2)Andrew Ng的上课笔记(CS 229)
(3)http://www.stat.yale.edu/Courses/1997-98/101/linreg.htm
检查机器学习更多的东西:
1。演算法
https://in.mathworks.com/matlabcentral/fileexchange/63156-adaboost

2。支持向量机使用各种内核
https://in.mathworks.com/matlabcentral/fileexchange/63033-svm-using-various-kernels

3所示。支持向量机的非线性分类
https://in.mathworks.com/matlabcentral/fileexchange/63024-svm-for-nonlinear-classification

4所示。SMO
https://in.mathworks.com/matlabcentral/fileexchange/63100-smo--sequential-minimal-optimization- - - - - -

5。万博1manbetx支持向量回归
https://in.mathworks.com/matlabcentral/fileexchange/63060-万博1manbetxsupport-vector-regression

6。迷宫求解器使用撒尔沙
https://in.mathworks.com/matlabcentral/fileexchange/63089-sarsa-reinforcement-learning

7所示。高斯-赛德尔法、雅可比法
https://in.mathworks.com/matlabcentral/fileexchange/63167-gauss-seidel-method--jacobi-method