5 線性回歸演算法

1.本節重點知識點用自己的話總結出來，可以配上，以及說明該知識點的重要性

答：監督學習分為回歸和分類兩大類，這次課學習回歸演算法，回歸演算法是分類方法的提公升。

連續變數**採用回歸演算法（如天氣的溫度）；離散變數**採用分類演算法（如天氣是陰，晴，還是雨）。

矩陣是大多數演算法的計算基礎，矩陣的這種運算正好滿足了線性回歸的這種需求（矩陣必須是二維的）。

機器**和真實值也是有一定誤差的。

梯度下降法對於機器學習中遞迴性逼近最小偏差模型非常重要，它幫助尋找最小的損失值，從而可以反推出對應的學習引數w和b，達到優化模型的效果。

2.思考線性回歸演算法可以用來做什麼？

答：可以用來**交通擁擠的時間段，從而為優化交通起到至關重要的作用。

3.自主編寫線性回歸演算法 ，資料可以自己造，或者從網上獲取。

**：

1

import numpy as np #
匯入numpy庫
2from sklearn.linear_model import linearregression #
匯入機器學習庫中的線性回歸模組
3import matplotlib.pyplot as plt #
匯入matplotlib.pyplot繪圖
45 x = np.array([100,150,200,250,300,350,400,450,500,550]) #
x為房屋面積
6 y = np.array([200,285,360,550,600,875,640,945,1050,1210]) #
y為房屋**78
#建立線性回歸模型,通過房屋面積來****
9 regr=linearregression() #
建立線性回歸模型，引數預設
10 regr.fit(x.reshape(-1,1),y)#
訓練資料，將房屋面積作為x,**作為y；
1112 plt.scatter(x,y) #
畫散點圖看實際面積和**的分布情況
13 plt.plot(x,regr.predict(x.reshape(-1,1)),color='
red') #
畫**的面積與**的線型圖
14 plt.show()

5 線性回歸演算法

1.本節重點知識點用自己的話總結出來，可以配上，以及說明該知識點的重要性 1 線性回歸的定義和多元一次線性方程 定義 線性回歸通過乙個或者多個自變數與因變數之間進行建模的回歸方法，其中可以為乙個或者多個自變數之間的線性組合 2 線性回歸的機器 跟真實值是存在一定的誤差的 3 損失函式 計算誤差大小的...

5 線性回歸演算法

1.本節重點知識點用自己的話總結出來，可以配上，以及說明該知識點的重要性 2.思考線性回歸演算法可以用來做什麼？大家盡量不要寫重複 3.自主編寫線性回歸演算法 資料可以自己造，或者從網上獲取。加分題 解 1.回歸演算法的背景 監督學習 回歸和分類的區別 重點 最小二乘法之梯度下降法 重點理解 課堂 ...

5 線性回歸演算法

1.本節重點知識點用自己的話總結出來，可以配上，以及說明該知識點的重要性 機器 和真實值是有一定誤差的 通過損失函式可以計算誤差的大小，值越小，說明誤差也小 矩陣必須是二維的 2.思考線性回歸演算法可以用來做什麼？大家盡量不要寫重複 線性回歸演算法，可以用來估算面積和房價的關係，可以用來計算股份和價...