线性回归求解

总成绩 XXX 和数学成绩 YYY 数据如下:

1 求数学成绩对总成绩的回归方程。

2 如果一个学生总成绩是450,求该学生的数学成绩。

这个基本上算是目前机器学习的基石了,说起来也算是高中的知识范围,我不知道是不是人人都懂了,我觉得我不是很懂,所以专门写一篇来总结总结。。。

回归方程是Y=a+bX。所以现在要求的就是截距a和回归系数b。

首先计算平均值:

然后计算回归系数b

计算截距a

所以方程是:

Y=14.49+0.1325X

那么第二个问题也很好解了。代入总成绩 X=450X = 450X=450,Y = 14.49+0.1325×450=14.49+59.625=74.115。

上面的过程基本不算难,就是回归系数的推算,看了下是最小二乘法。

然后推断出上面的回归系数公式。

对了,再提一嘴,两个点求函数怎么求呢?这个初中知识。。。

斜率b = (y2 - y1)/(x2 - x1)

截距a = y - ax(任意一个点都行)

在现代计算机中,这部分都是改成矩阵运算了(所以最早搞游戏矩阵运算的老黄接下了这个泼天富贵。。。)

其中,XXX 是自变量矩阵,YYY 是因变量向量。

这里面具体的算法容我后面再看看。。。

再说说最小二乘法,其实这个翻译真的很有问题,弯弯那边翻译成最小平方法,我觉得很贴切。一张图就可以看到这个的本质

本质就是使得绿线的平方和最小,那么这个曲线就是最优。为什么用平方不用绝对值呢?据说原因有二。1是平方计算可导,更加方便。2是用平方可以放大误差,这样计算效果更好。

所以最小二乘法通过最小化以下目标函数来找到最佳拟合直线,基本就是算=0的情况。

最后再早说说最小二乘法和梯度下降算法。

最小二乘法和梯度下降算法在目标和应用上有所区别,理解它们的关系和差异,有助于选择合适的方法解决具体问题。最小二乘法适用于简单线性回归和小数据集,而梯度下降则更灵活,适用于复杂和大规模数据集。

简而言之,就是最小二乘法只能用在简单的场景。复杂的还是只能用梯度下降。。。

参考:

最小二乘法

相关推荐
不去幼儿园41 分钟前
【MARL】深入理解多智能体近端策略优化(MAPPO)算法与调参
人工智能·python·算法·机器学习·强化学习
Mr_Xuhhh43 分钟前
重生之我在学环境变量
linux·运维·服务器·前端·chrome·算法
盼海2 小时前
排序算法(五)--归并排序
数据结构·算法·排序算法
幽兰的天空2 小时前
Python 中的模式匹配:深入了解 match 语句
开发语言·python
网易独家音乐人Mike Zhou5 小时前
【卡尔曼滤波】数据预测Prediction观测器的理论推导及应用 C语言、Python实现(Kalman Filter)
c语言·python·单片机·物联网·算法·嵌入式·iot
安静读书5 小时前
Python解析视频FPS(帧率)、分辨率信息
python·opencv·音视频
小二·7 小时前
java基础面试题笔记(基础篇)
java·笔记·python
小喵要摸鱼8 小时前
Python 神经网络项目常用语法
python
Swift社区9 小时前
LeetCode - #139 单词拆分
算法·leetcode·职场和发展
Kent_J_Truman9 小时前
greater<>() 、less<>()及运算符 < 重载在排序和堆中的使用
算法