【模式识别与人工智能复习题】第一章-线性回归-出题汇报2.pptxVIP

;;;第一题：线性回归模型与多项式回归模型的概念和模型的原理是什么，线性回归与多项式回归有怎样的关系，多项式回归的特点是什么？

答：回归分析就是使用曲线或曲面来拟合某些已知的数据点，进而可以对新的自变量进行预测。

线性回归：就是对输入特征加权求和，再加上一个我们称为偏置项的常数，以此进行预测。一般可以用向量的形式来表示：，模型通过不断地调整和，最后就能够得到一个最优的模型。;用数学语言严格来表达，即给定个属性描述的示例，其中表示在第个属性上面的取值，线性模型就是试图学习一个通过属性的线性组合来进行预测的函数，即

由于均方误差有着很好的几何意义，对应了常用的欧几里得距离，因此采用均方误差最小化进行模型的优化求解，如果是一元线性回归，最终拟合出来的是一条直线。;多项式回归模型：可以用线性模型拟合非线性数据，将每个特征的幂次方添加为一个新特征，在这个拓展过的特征集上训练的线性模型被称为多项式回归模型。原理和之前线性回归是一样的，只不过这里用的是高次多项式而不是简单的一次线性多项式。

多项式回归模型是线性回归模型的一种，此时回归函数关于回归系数是线性的。当存在多个特征时，多项式回归能够发现特征和特征之间的关系（纯线性回归模型做不到这一点），因为在给定的多项式阶数下，多