前提介紹：

為什么需要統計量？

統計量：描述數據特征

集中趨勢衡量

均值（平均數，平均值）（mean）
這里寫圖片描述
{6, 2, 9, 1, 2}
(6 + 2 + 9 + 1 + 2) / 5 = 20 / 5 = 4

中位數 （median）:

將數據中的各個數值按照大小順序排列，居于中間位置的變量
給數據排序：1， 2， 2， 6， 9
找出位置處于中間的變量：2
當n為基數的時候：直接取位置處于中間的變量
當n為偶數的時候，取中間兩個量的平均值

眾數 （mode）：

數據中出現次數最多的數

離散程度衡量

方差（variance)

這里寫圖片描述
{6, 2, 9, 1, 2}
(1) (6 - 4)^2 + (2 - 4) ^2 + (9 - 4)^2 + (1 - 4)^2 + (2 - 4)^2
= 4 + 4 + 25 + 9 + 4
= 46
(2) n - 1 = 5 - 1 = 4
(3) 46 / 4 = 11.5

標準差 (standard deviation)

這里寫圖片描述

介紹：回歸(regression) Y變量為連續數值型(continuous numerical variable)

如：房價，人數，降雨量分類(Classification): Y變量為類別型(categorical variable)如：顏色類別，電腦品牌，有無信譽

簡單線性回歸(Simple Linear Regression)

2.1 很多做決定過過程通常是根據兩個或者多個變量之間的關系
2.3 回歸分析(regression analysis)用來建立方程模擬兩個或者多個變量之間如何關聯
2.4 被預測的變量叫做：因變量(dependent variable), y, 輸出(output)
2.5 被用來進行預測的變量叫做： 自變量(independent variable), x, 輸入(input)

簡單線性回歸介紹

3.1 簡單線性回歸包含一個自變量(x)和一個因變量(y)
3.2 以上兩個變量的關系用一條直線來模擬
3.3 如果包含兩個以上的自變量，則稱作多元回歸分析(multiple regression)

簡單線性回歸模型

4.1 被用來描述因變量(y)和自變量(X)以及偏差(error)之間關系的方程叫做回歸模型
4.2 簡單線性回歸的模型是:

簡單線性回歸方程

E(y) = β0+β1x 這個方程對應的圖像是一條直線，稱作回歸線其中，β0是回歸線的截距β1是回歸線的斜率 E(y)是在一個給定x值下y的期望值（均值）

正向線性關系：

這里寫圖片描述

負向線性關系：

這里寫圖片描述

無關系

這里寫圖片描述

估計的簡單線性回歸方程

y?=b0+b1x

這個方程叫做估計線性方程(estimated regression line)

其中，b0是估計線性方程的縱截距

b1是估計線性方程的斜率y?是在自變量x等于一個給定值的時候，y的估計值

線性回歸分析流程：

這里寫圖片描述

關于偏差ε的假定

11.1 是一個隨機的變量，均值為0
11.2 ε的方差(variance)對于所有的自變量x是一樣的
11.3 ε的值是獨立的
11.4 ε滿足正態分布

總結

以上是生活随笔為你收集整理的[机器学习]机器学习笔记整理12-线性回归概念理解的全部內容，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。