线性回归
线性回归
机器学习类别：监督学习
数据集特点：label是一般是连续数值
模型
模型：\(y = f(x)=b + \sum w_ix_i\)
- \(y\): 变量的输出
- \(x_i\)：变量第\(i\)维的特征
- \(w_i\)：第\(i\)维特征的权重
损失函数
损失函数: \(L(f)=\sum_{n=1}^N(y^n - f(x^n))^2\)
- \(y^n\): 第\(n\)个数据的标签(实际值)
- \(N\) : 训练数据的数量
- \(f(x^n)\):利用当前参数下的模型计算得到第\(n\)个数据的输出
最优模型
\(f* = arg\ minL(f)\)
\[w*, b* = arg \ min L(w,b)
\]
即是要找到参数\(w\)和\(b\)使损失函数的值最小，这样就找到了最好的模型。
