版权声明：学习交流为主，未经博主同意禁止转载，禁止用于商用。 https://blog.csdn.net/u012965373/article/details/88417150
分类算法的目标变量是标称型数据
回归的目的是预测数值型数据的目标值
回归场景：
回归的目的是预测数值型的目标值。
最直接的办法是依据输入写出一个目标值的计算公式。
-
回归系数
-
回归方程
-
回归原理：
-
线性回归
-
矩阵求逆（前提是逆矩阵存在，判断是否矩阵可逆，判断矩阵的行列式是否为0，若为0矩阵就不存在逆矩阵，不为0的话，矩阵才存在逆矩阵）
-
最小二乘法（又叫最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。
线性回归 工作原理
— 度入数据，将数据特征X，特征标签y存储在矩阵x, y中。
验证 x^Tx矩阵是否可逆
使用最小二乘法求得回归系数w的最佳设计
线性回归 开发流程
— 收集数据
— 准备数据
— 分析数据
— 训练算法
— 测试算法
— 使用算法
线性回归的算法特征
优点：结果易于理解，计算上不复杂
缺点：对非线性的数据拟合不好
适用于数据类型：数值型和标称型数据