- 线性回归模型： 假设目标值与特征之间线性相关，即满足一个多元一次方程。通过构建损失函数，来求解损失函数最小时的参数w ： 假设：数据集D = { ( x 1 , y 1 ) , . . . , ( x N , y N ) } D = {(x_1,y_1),…,(x_N,y_N) }D ={(x 1 ,y 1 ),…,(x N ,y N )}，x i ∈ R p , y i ∈ R , i = 1 , 2 , . . . , N x_i \in R^p,y_i \in R,i = 1,2,…,N x i ∈R p ,y i ∈R ,i =1 ,2 ,…,N，X = ( x 1 , x 2 , . . . , x N ) T , Y = ( y 1 , y 2 , . . . , y N ) T X = (x_1,x_2,…,x_N)^T,Y=(y_1,y_2,…,y_N)^T X =(x 1 ,x 2 ,…,x N )T ,Y =(y 1 ,y 2 ,…,y N )T 假设X和Y之间存在线性关系，模型的具体形式为y ^ = f ( w ) = w T x \hat{y}=f(w) =w^Tx y ^=f (w )=w T x
from sklearn import linear_model
lin_reg = linear_model.LinearRegression()
lin_reg.fit(X,y)
print("模型系数：",lin_reg.coef_)
print("模型得分：",lin_reg.score(X,y))
Original: https://blog.csdn.net/weixin_42569216/article/details/118772473
Author: 0newest
Title: 集成学习——回归
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/635622/
转载文章受原作者版权保护。转载请注明原作者出处！