机器学习之线性回归算法详解：从基础到实践.pptx

主讲老师：李晓华《机器学习-第二章回归》

目录1.线性回归2.梯度下降3.正则化4.回归的评价指标

1、线性回归

回归的概念监督学习分为回归和分类回归（Regression、Prediction）如何预测上海浦东的房价？未来的股票市场走向？分类（Classification）身高1.85m，体重100kg的男人穿什么尺码的T恤？根据肿瘤的体积、患者的年龄来判断良性或恶性？

线性回归-概念线性回归（LinearRegression）是一种通过属性的线性组合来进行预测的线性模型，其目的是找到一条直线或者一个平面或者更高维的超平面，使得预测值与真实值之间的误差最小化。

线性回归-符号约定建筑面积总层数楼层实用面积房价143.7311010536200162.231811837000199.510101704250096.531137431200…………??????

线性回归-算法流程????模型机器学习算法训练数据特征预测结果

线性回归-算法流程??损失函数(LossFunction)度量单样本预测的错误程度，损失函数值越小，模型就越好。常用的损失函数包括：0-1损失函数、平方损失函数、绝对损失函数、对数损失函数等。代价函数(CostFunction)度量全部样本集的平均误差。常用的代价函数包括均方误差、均方根误差、平均绝对误差等。目标函数(ObjectFu