Linear Regression - 图2

一元线性回归

偏差绝对值定义误差

假设需要进行回归分析的样本点为Linear Regression - 图3
要求预测值与原值的偏差绝对值和达到最小,即最小化Linear Regression - 图4
在这里,只考虑线性拟合,即Linear Regression - 图5其中b为回归系数。
Linear Regression - 图6

概率视角(拉普拉斯分布MLE)

Linear Regression - 图7

偏差平方和定义误差(least square method)

假设需要进行回归分析的样本点为Linear Regression - 图8
从最小二乘角度,要求预测值与原值的偏差平方和达到最小,即最小化Linear Regression - 图9
在这里,只考虑线性拟合,即Linear Regression - 图10其中b为回归系数Linear Regression - 图11

概率视角(正态分布MLE)

Linear Regression - 图12


多元线性回归

最小二乘法(Least Square Method)

Linear Regression - 图13

概率视角(高斯分布MLE)

Linear Regression - 图14


Normalize - Lasso

定义

Linear Regression - 图15

概率视角(拉普拉斯分布 MAP)

Linear Regression - 图16


Normalize - Ridge

定义与求解

Linear Regression - 图17

概率视角(高斯分布 MAP)

Linear Regression - 图18


Normalize - Elastic-Net

Linear Regression - 图19


Code(Python 复现)

算法可行性测试
线性回归模块实现
线性回归模块测试


Link&Help:

数理统计中MAP与MLE的联系与区别
白板机器学习公式推导bilibili
Sklearn.Ridge
Sklearn.Lasso
矩阵微积分部分公式