线性回归是机器学习中最基础的算法，它研究的是样本目标和特征变量之间是否存在线性关系。 现在我们有506条有关波士顿房子的综合数据，包括房子的价格、房子所在区的犯罪率、黑人比例、高速公路条数等。每条数据就是一个样本，房价就是目标变量，其他数据可看作特征变量。 线性回归的步骤： 1，建立模型：确定目标和特征变量，建立方程 其中Y代表目标(因变量)，X为特征(自变量)，W为需要计算的参数。数学符号便利性：将Y=W*X+b中的b去掉，X中增加一个值为1的特征变量 2，求解模型：**正规方程法或者最小梯度法求解目标函数 的最小
超级会员免费看
本文介绍了使用线性回归预测波士顿房价的实践，包括线性回归模型的建立、正规方程与梯度下降求解、模型评估的决定系数计算，以及实际预测结果展示。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
