- 1、本文档共62页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
《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,)=argminሺ+−)
您可能关注的文档
- 人工智能与Python程序设计 课件 第1次-人工智能和课程介绍.pdf
- 人工智能与Python程序设计 课件 第2次-Python简介.pdf
- 人工智能与Python程序设计 课件 第3次-Python基本数据类型.pdf
- 人工智能与Python程序设计 课件 第6次-组合数据类型1.pdf
- 人工智能与Python程序设计 课件 第7次-组合数据类型2.pdf
- 人工智能与Python程序设计 课件 第8次-IO编程.pdf
- 人工智能与Python程序设计 课件 第9次-Python面向对象编程(一).pdf
- 人工智能与Python程序设计 课件 第10次-Python面向对象编程(二).pdf
- 人工智能与Python程序设计 课件 第12次-Python进阶.pdf
- 人工智能与Python程序设计 课件 第13次-numpy与科学计算.pdf
文档评论(0)