吴恩达2022机器学习专项课程(一） 第二周课程实验：特征工程和多项式回归（Lab_04）

目标

探索特征工程和多项式回归，使用线性回归来拟合非常复杂甚至非线性的函数。

1.为什么线性回归能拟合非线性函数？

fx=w*x²+b，属于线性回归的扩展，这个公式在数学中不属于线性，因为有x²，而在机器学习中属于线性回归，因为w，b是一次项，详情有待补充。

2.线性回归函数拟合非线性数据

• 红色数据点y=1+x**2，x,y的关系是非线性，需要一个函数拟合非线性数据点。
• 特征数组X为一次项，因此线性回归w*x+b无法拟合非线性数据。
  

3.多项式回归函数拟合非线性数据

扩展线性回归为多项式回归，重新构建特征数组X=x**2，对应函数x²*w+b，通过梯度下降计算最佳w，b并代入函数，能够拟合非线性数据。

4.设计新特征

• 继续扩展多项式回归，通过对x平方立方，设计出2个新特征。对应函数为f_wb = xw0+x²w1+x³*w2+b 。
  
• 此函数没有很好的拟合数据，w1的权重最大0.54，代表x²特征对预测结果影响最大。

4.根据特征数量自动设置w

n表示特征数量。

5.线性模型捕捉非线性关系

声明：本文内容由网友自发贡献，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：【wpsshop博客】