人工智能与Python程序设计 课件 第14次-多元线性回归-逻辑回归-Matplotlib画图.pdf

《人工智能与Python程序设计》——回归分析

人工智能与Python程序设计教研组

提纲

回顾：一元线性回归

多元线性回归

逻辑斯蒂回归

使用Matplotlib库进行图表绘制

PythonAI

Numpy与科学计算

一元线性回归

•在坐标纸上给定三个点的训练集合

–,,,,,

112233

•并且规定为线性函数（直线）

–=w+

•三个点，一条直线

–可能无法满足这条直线完美穿越所有的点（训练

集合上的误差）

•训练误差的计算

122ሺ

–൫−+−+−

11223

3

损失函数

•使用任何一组参数都可以得到一组预测值ො，需要一个标准来对预测

结果进行度量：定量化一个目标函数式度量预测结果的好坏。

•MSE(meansquareerror)均方误差：线性模型应用于训练样本，

得到一组预测值ො，将预测值和真实值之间的平均的平方距离定义

为损失函数：

1

=෍ሺො−)2

=1

•N为样本总数

损失函数

•将线性预测函数式代入损失函数，将需要求解的参数w和b看做是损失

函数L的自变量：

1

ሺ,)=෍ሺ+−)2

=1

•通过最小化损失函数求解最优参数：

1

∗∗2

ሺ,)=argmin෍ሺ+−)