PyTorch深度学习入门 深度学习基础 2.2 线性回归 1. 线性模型

以你之姓@ 2024-03-27 17:19 169阅读 0赞

PyTorch深度学习入门

在这里插入图片描述

深度学习基础
2.2 线性回归

线性回归LR(Linear Regression)

1. 线性模型

假设数据样本集 D D D 中有5个样本对






























样本对 数值
( x ( 1 ) , y ( 1 ) ) (x^{(1)},y^{(1)}) (x(1),y(1)) (1.4,14.4)
( x ( 2 ) , y ( 2 ) ) (x^{(2)},y^{(2)}) (x(2),y(2)) (5,29.6)
( x ( 3 ) , y ( 3 ) ) (x^{(3)},y^{(3)}) (x(3),y(3)) (11,62)
( x ( 4 ) , y ( 4 ) ) (x^{(4)},y^{(4)}) (x(4),y(4)) (16,85.5)
( x ( 5 ) , y ( 5 ) ) (x^{(5)},y^{(5)}) (x(5),y(5)) (21,113.4)

用matplotlib 绘制成图形瞅瞅样子

在这里插入图片描述

OK， 比较明显，可以用一条直线来简单拟合

依据二维平面中直线的数学公示：

y = k x + b y = kx + b y=kx+b

其中k为斜率，b是截距，又称为偏置(bias)。

不同的k、b组合可以代表不同的直线，所以k和b 非常重要，又称它们为参数parameter，有时候又称为权重weight。

为了统一，用 w 1 w_1 w1 代替k， w 0 w_0 w0 代替b，得到新公式：

y = w 1 x + w 0 y = w_1x + w_0 y=w1x+w0

发表评论

表情：
评论列表 （有 0 条评论，169人围观）

还没有评论，来说两句吧...

相关阅读