机器学习之回归
回归概念
机器学习可以分为：回归和分类。回归是针对利用数据来预测连续型的变量，如：利用数据（特征）来预测降雨量、风速。降雨量和风速都是连续型的变量。而分类则是针对离散型的变量的，如利用数据来预测明天的天气是晴朗、还是下雨。
数学模型
输入,利用特征 ,来预测连续变量,则：
- 则认为是数据的特征。
-
利用大量的的数据来找到最适合的(梯度下降等最优化算法)，则为训练过程。
-
经过训练后，就可以得到的最优解。
- 利用最优解,去预测一个新的输入的结果为,则是预测过程。
机器学习可以分为：回归和分类。回归是针对利用数据来预测连续型的变量，如：利用数据（特征）来预测降雨量、风速。降雨量和风速都是连续型的变量。而分类则是针对离散型的变量的，如利用数据来预测明天的天气是晴朗、还是下雨。
输入,利用特征 ,来预测连续变量,则：
利用大量的的数据来找到最适合的(梯度下降等最优化算法)，则为训练过程。
经过训练后，就可以得到的最优解。
