当前位置:   article > 正文

吴恩达机器学习16:多变量线性回归(特征值以及多项式回归)

给定特征值求回归

1.房价案例:

  房价预测:我们有两个特征,临街宽度(frontage)和纵深(depth),我们可以建立这样的线性回归模型,临街宽度是第一个特征x1,纵深是第二个特征x2

 

。这里我们可以自己选择特征值,将frontage 乘以  depth得到我们拥有土地的面积,于是我们就用这一个特征来计算,有时通过定义新的特征,可以得到一个更好的模型。

  与特征选择密切相关的一个概念是多项式回归。比如有下面这个住房价格的数据集,可能会有不同的模型用于拟合数据

   

  选择之一就是这样的一个二次模型,直线并不能很好的拟合这些数据,但是用下面这样的二次模型来拟合数据,价格可能是一个二次函数,可以得到下面这样的拟合结果:

  

  但是可能二次函数模型不合理,因为一个二次函数最终会降下来,我们不觉得随着土地面积的增加,房子价格会降下来,所以我们会选择一个不同的多项式模型,并转而选用一个三次函数,三次函数拟合的更好,因为它不会在最后下降,拟合的情况如下图

  那么我们怎样将模型与数据进行拟合呢?使用多元线性回归的方法,

 

   如果选择这样的模型来拟合,特征选择就显得更重要了,

 

转载于:https://www.cnblogs.com/bigdata-stone/p/10304274.html

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/不正经/article/detail/144946
推荐阅读
相关标签
  

闽ICP备14008679号