1.解決回歸問題

2.思想簡單，實現容易

3.許多強大的非線性模型的基礎

4.結果具有很好的可解釋性

5.蘊含機器學習中的很多重要思想

所謂的建模的過程，其實就是找到一個模型最大程度的擬合我們的數據。在線性回歸算法中，這個模型就是一個直線方程，所謂的最大擬合我們的數據，其實本質是找到一個函數 ，在這里我們稱這個函數叫做損失函數，就是loss?function，也就是我們的這個模型沒有擬合樣本的這一部分，就是損失的這一部分；有的算法中度量的是擬合的程度，在這種情況下稱這個函數為效用函數(utility?function)。統稱它們為目標函數。

注意：分類問題

?

?

?

?

?

?

?損失函數：度量出沒有擬合出樣本的部分

效用函數：度量是擬合的程度

?參數學習的算法都是這樣的一個套路。參數學習算法就是要創建一個模型，而機器學習的任務就是要學習這些模型的參數！《最優化原理》

?導數等于0的地方就是函數極值的地方。

?

?

?

?

?

多元線性回歸

?

?

?

?

?

?

?

?

總結

以上是生活随笔為你收集整理的第5章 线性回归算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。