【参考】分析线性回归,logistic回归和一般回归.docxVIP

1 摘要 ????? 本报告是在学习斯坦福大学机器学习课程前四节加上配套的讲义后的总结与认识。前四节主要讲述了回归问题，回归属于有监督学习中的一种方法。该方法的核心思想是从连续型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。该方法处理的数据可以是多维的。 ???? 讲义最初介绍了一个基本问题，然后引出了线性回归的解决方法，然后针对误差问题做了概率解释。之后介绍了logistic回归。最后上升到理论层次，提出了一般回归。 2 问题引入 ????????? 假设有一个房屋销售的数据如下： 面积(m^2)销售价钱（万元）12325015032087160102220……???? 这个表类似于北京5环左右的房屋价钱，我们可以做出一个图，x轴是房屋的面积。y轴是房屋的售价，如下： ????? ???? 如果来了一个新的面积，假设在销售价钱的记录中没有的，我们怎么办呢？ ???? 我们可以用一条曲线去尽量准的拟合这些数据，然后如果有新的输入过来，我们可以在将曲线上这个点对应的值返回。如果用一条直线去拟合，可能是下面的样子： ????? ???? 绿色的点就是我们想要预测的点。 ???? 首先给出一些概念和常用的符号。 ?????房屋销售记录表：训练集(training set)或者训练数据(training data), 是我们流程中的输入数据，