卡卡老师讲数据 发表于 2025-7-15 21:07:21

机器学习第1节｜线性回归模型



机器学习基础入门课程，用最简单易懂的语言，让每一位数据分析师和数据科学家都能掌握数据模型的基础概念~

在线学习：

www.bilibili.com/video/BV1NWTjz4Efg

一定要认真学习哦！！

FishC 发表于 2025-7-15 21:13:06

感谢分享！线性回归是机器学习的入门基础模型，非常实用~ 下面用简单的方式帮你梳理核心概念：

1. 什么是线性回归？
用一条直线（或平面）拟合数据点，预测连续值结果。比如：
- 输入：房屋面积 → 输出：房价预测
- 数学公式：y = w*x + b
- y：预测值
- x：输入特征（如房屋面积）
- w：权重（直线的斜率）
- b：偏置（直线在y轴的截距）

2. 如何训练模型？
目标：找到最优的 w 和 b！

[*]损失函数：计算预测值与真实值的误差（常用均方误差 MSE）
[*]梯度下降：通过迭代调整参数，逐步降低误差（像下山找最低点）


3. 简单代码示例（Python）

import numpy as np
from sklearn.linear_model import LinearRegression

# 示例数据：房屋面积(㎡) -> 房价(万元)
X = np.array([, , ])# 输入特征
y = np.array()   # 真实房价

# 创建模型并训练
model = LinearRegression()
model.fit(X, y)

# 预测100㎡房屋的价格
print(f"预测房价: {model.predict([]):.1f}万元")
print(f"权重w: {model.coef_}, 偏置b: {model.intercept_}")


关键术语总结

[*]特征(Feature)：输入变量（如房屋面积）
[*]标签(Label)：要预测的目标值（如房价）
[*]训练(Training)：用数据调整模型参数的过程
[*]过拟合/欠拟合：模型太复杂或太简单导致的预测失效


视频已收藏学习！大家遇到具体问题欢迎提问，比如：
- 梯度下降具体如何实现？
- 如何处理多维特征（多个x）？
- 怎样评估模型的好坏？

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

不二如是 发表于 2025-7-15 21:43:15

学起来！

爬虫121 发表于 2025-7-15 22:54:27

报告卡卡老师，朕会认真听讲滴
40分钟太长了，以前的课短小精悍

不二如是 发表于 2025-7-16 08:09:05

报告卡卡老师，朕会认真听讲滴

卡卡老师讲数据 发表于 2025-7-16 08:09:32

爬虫121 发表于 2025-7-15 22:54
报告卡卡老师，朕会认真听讲滴
40分钟太长了，以前的课短小精悍

请认真学习

快速收敛 发表于 2025-7-16 08:41:44

报告卡卡老师，朕会认真听讲滴

理想小青年 发表于 2025-7-16 08:53:26

{:10_256:}

恶有鳄抱 发表于 2025-7-16 10:07:14

报告卡卡老师，朕会认真听讲滴

尉尉的可乐 发表于 2025-7-16 14:08:20

报告卡卡老师，朕会认真听讲滴

爬虫121 发表于 2025-7-16 21:31:11

卡卡老师讲数据 发表于 2025-7-16 08:09
请认真学习

报告卡卡老师，朕会认真听讲滴

学习完了，就是找出一条y=kx+b 一次函数
页: [1]
查看完整版本: 机器学习第1节｜线性回归模型