机器学习 课件 第5章 回归模型.pptx

第5章回归模型

课程学习内容5.1回归模型的概念5.2回归模型的算法原理5.3基于Python的回归建模实例5.4基于Spark的回归建模实例

5.1回归模型的概念 回归就是研究一个随机变量y对另一个变量x或一组变量[x1,x2,…,xn]的相依关系的统计分析方法。回归模型用数学语言描述为y=f(x1,x2,…,xn)+ξ，其中x1,x2,…,xn是确定性的或可控的因素，f是映射函数，ξ是不确定或不可控的因素。通过拟合大量的数据，求解映射函数f的具体表达式，就是回归建模的过程。一旦建立回归模型，就能通过该模型进行数据预测。

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理

5.2回归模型的算法原理

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理

5.2回归模型的算法原理?

5.2回归模型的算法原理

5.2回归模型的算法原理

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.3基于Python的回归建模实例

?5.3基于Python的回归建模实例

【例5-7】请针对例5-6的分析结果，对线性回归模型进行改进，并再次对销售量进行预测。解：在例5-6的summary()方法输出中，注意到const和x3的P值偏大，而Cond.No.和Warnings[2]说明自变量之间本身就有线性相关关系，所以将其从回归方程中删除改进后的代码如下：5.3基于Python的回归建模实例

5.3基于Python的回归建模实例

用sklearn中各种回归函数进行建模，用测试集的rmse和模型评分score来进行性能比较，代码如下：5.3基于Python的回归建模实例

5.3基于Python的回归建模实例

5.3基于Python的回归建模实例

5.3基于Python的回归建模实例

5.3基于Python的回归建模实例

5.3基于Python的回归建模实例

5.4基于Spark的回归建模实例

5.4基于Spark的回归建模实例

5.4基于Spark的回归建模实例

5.4基于Spark的回归建模实例

谢谢观看