什么是线性回归?线性回归有什么特征？
发布时间
阅读量：
阅读量
什么是线性回归
线性回归定义与公式
线性回归模型是通过数学表达式来建立多个自变量或一个响应变量与因变量之间的关联关系模型的一种数据分析方法。
特点：仅涉及一个自变量的情形被称为单变量回归模型；而涉及超过一个自变量的情形则被称作多元回归模型。
线性回归用矩阵表示举例
那么怎么理解呢?我们来看几个例子
期末成绩：0.7×考试成绩+0.3×平时成绩
房价由以下因素决定：中心区域的位置距离占2%，城市一氧化氮浓度占4%，自住房平均房价的影响为-12%，以及城镇犯罪率的254%权重。
前两个案例展示了特征值与目标值之间的关系被建立了；这一关系可被视为线性模型的基础。
线性回归应用场景
·房价预测
·销售额度预测
·贷款额度预测
举例：
线性回归的特征与目标的关系分析
在线性回归中存在两类主要的模型结构。其中一类代表变量间的线性关联；另一类则描述了非线性的相互作用。为了更直观地理解这些模型的行为模式，在这种情况下我们通常选择绘制单一特征的表现。因此，在实际应用中我们倾向于使用单个特征或者两个特征来进行展示和分析。
线性关系
单变量线性关系：
多变量线性关系
注释：单一特征与目标值之间的关系呈线性关系；而两个特征对目标值的影响呈现出平面式的关联
更高维度的我们不用自己去想，记住这种关系即可
非线性关系
注释：为什么会这样的关系呢?原因是什么?
如果是非线性关系，那么回归方程可以理解为：
w1x1+w2x22+w3x32
全部评论 (0)
还没有任何评论哟~