本文共 421 字，大约阅读时间需要 1 分钟。

讲述了回归模型的基本原理和算法，并结合回归介绍了交叉验证的方法

1 预测房价

1.1 通过相似的房子预测你的房子

2 线性回归

2.1 应用线性回归模型

那么哪条线才是最好的呢?

2.2 应用一条线的成本

2.3 预测你的房价

3 加入更高阶的因素

3.1 用直线拟合房价或者…?

3.2 如果用二次函数怎么样?

3.3 更高阶的多项式

4 你相信这个模型吗?

显然,相比二次函数并不好!!!

5 通过训练-测试分离来评估过拟合

你相信这个拟合吗?

二次函数怎么样呢

如何选择模型阶数 / 复杂度

训练 / 测试分离

• 训练集
  用于模型构建
• 测试集
  用于检测模型构建，此数据只在模型检验时使用，用于评估模型的准确率

训练误差

• 蓝色点为训练集数据
  

测试误差

6 训练测试曲线

7 加入新的特征

仅仅通过房屋大小预测

加入其他的特征

应该选择多少特征

8 其他回归示例

薪资预测

股票预测

微博流行度

智能房屋

9 回归总结

机器学习流水线

转载地址：https://javaedge.blog.csdn.net/article/details/84889011 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！