2020-10-17
阅读量:
896
机器学习【二】广义线性模型
涉及内容：
线性模型的图形表示————导入线性模型、拟合数据点、拟合新加的数据点、训练数据集的属性“xx_”
线性模型特点—————用于回归分析的好几种线性模型之间的区别
最基本的线性模型：线性回归————
使用L2正则化的线性模型：岭回归————线性回归和岭回归之间的重要结论
使用L1正则化的线性模型：套索回归————
套索回归和岭回归的区别————
适用：
对于特征变量较多的数据集，线性模型会十分强大【尤其是训练集的特征变量 > 数据点的数量时，可以达到近乎完美的预测】
优点：
线性模型的训练非常快
过程也很容易被人理解
缺点：
数据集的特征比较少的时候，线性模型的表现就会相对偏弱
使用线性模型的前提条件是假设目标y是数据特征的线性组合
0.0000
0
0
关注作者
收藏
评论(0)
发表评论
暂无数据
