人工智能-46. 回归算法_第1页
人工智能-46. 回归算法_第2页
人工智能-46. 回归算法_第3页
人工智能-46. 回归算法_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

46：回归算法教师姓名授课名称人工智能及机器学习基础知识授课形式授课班级授课地点授课日期章节名称回归算法教学目的掌握回归的概念、应用及研究内容。了解回归方法的应用。重点难点重点：回归的概念、应用及研究内容。难点：回归方法的应用。主要内容课程引入机器学习分类如下：监督学习 （supervisedlearning）无监督学习（unsupervisedlearning）强化学习（reinforcementlearning）半监督学习（semi-supervisedlearning），介于监督学习和无监督学习之间。半监督学习也称为弱监督学习。课程内容回归回归属于监督学习中的一类任务。该任务的核心思想是从连续型的统计数据中得到数学模型，然后将该数学模型用于预测或者分类。回归方法处理的数据可以是一维的，也可以是多维的。这个图展示了一元回归分析，其中房子的面积是x，称为特征，y是房子的价格，是需要预测的对象。回归算法有两个重要的子类∶即线性回归和逻辑回归;线性回归就是如何拟合出一条直线最佳匹配所有的数据，逻辑回归是一种与线性回归非常类似的算法;线性回归处理的问题类型与逻辑回归不一致:线性回归处理的是数值问题，也就是最后预测出的结果是数字，例如房价。逻辑回归属于分类算法，也就是说，逻辑回归预测结果是离散的分类，例如判断这封邮件是否是垃圾邮件，以及用户是否会点击此广告等等。右图展示了多元回归分析，其中特征x包含了两个分量。分别是房间数量和距离。房租是y。这是我们关注的需要预测的对象。相关和相关系数英国人类学家F.Galton首次在《自然遗传》一书中，提出并阐明了“相关”和“相关系数”两个概念，为相关论奠定了基础。1870年，他和英国统计学家KarlPearson对上千个家庭的身高、臂长、拃长做了测量，发现：儿子身高（Y）与父亲身高（X）存在线性关系：Yˆ=33.73+0.516X也就是说：也就是说高个子父代的子代在成年之后的平均身高来说不是更高，而是稍矮于其父代水平。而矮个子父代的子代的平均身高不是更矮，而是稍高于其父代水平。Galton（高尔顿）将这种身高趋向于种族稳定的现象称为“回归”。“回归”已成为表示变量之间某种数量依存关系的统计学术语，并且衍生出“回归方程”、“回归系数”等统计学概念。机器学习中的“回归”，借鉴了统计学中的同名术语。但是机器学习中回归任务的实现，采用了机器学习中的一套规则、实现方法和评价标准，这些与统计学有着很大的不同。回归的应用回归分析简单有效，应用十分广泛，包括：广告点击率的预估、大型网站的容量规划、用户满意度的分析等等。回归的研究内容回归分析研究的主要是因变量（目标）和自变量（特征）之间的定量依存关系。按数量依存关系的类型，可分为线性回归分析和非线性回归分析。学习过程如下：需要注意的是，我们训练集中的每组的数据都是由x和y组成的，其中y就是因变量，x是自变量。由于我们的训练数据中需要包含y的值，因此回归是属于监督学习。根据自变量（特征）的个数，回归可以分为：一

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论