线性回归概论
线性回归模型形式为y=wx+b,包括一元和多元;可通过sklearn的LinearRegression实现。其原理基于最小化损失函数(如均方误差),通过求导(正规方程)或梯度下降法求解参数。梯度下降以学习率(0.001-0.01)控制步长,沿梯度反方向更新权重直至收敛。拟合问题中,过拟合(特征过多)可用L1正则化(Lasso,权重可能归零)或L2正则化(Ridge,权重趋近零)解决;欠拟合需增加特征。模型评估常用MAE、RMSE、MSE,RMSE通常大于MAE,若差距过大则提示异常。
2026-07-17
|
13
|
0
|
0
