From d8f25c2b87c3b926772f741c63fb13030e070e4f Mon Sep 17 00:00:00 2001 From: jiangzhonglian Date: Mon, 13 Mar 2017 23:09:44 +0800 Subject: [PATCH] =?UTF-8?q?=E6=9B=B4=E6=96=B08=E7=BA=BF=E6=80=A7=E5=9B=9E?= =?UTF-8?q?=E5=BD=92=E7=9A=84=E4=B9=B1=E7=A0=81=E9=97=AE=E9=A2=98=EF=BC=8C?= =?UTF-8?q?7=20AdaBoost=E7=9A=84md=E6=96=87=E6=A1=A3?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- README.md | 2 ++ docs/7.利用AdaBoost元算法提高分类.md | 0 docs/8.预测数值型数据：回归.md | 32 ++++++++++++++-------------- 3 files changed, 18 insertions(+), 16 deletions(-) create mode 100644 docs/7.利用AdaBoost元算法提高分类.md diff --git a/README.md b/README.md index 8d485860..1466f098 100644 --- a/README.md +++ b/README.md @@ -17,10 +17,12 @@ * 6) 支持向量机 * [支持向量机](./docs/6.支持向量机.md) * 7) 利用AdaBoost元算法提高分类 + * [利用AdaBoost元算法提高分类](./docs/7.利用AdaBoost元算法提高分类.md) ## 第二部分 利用回归预测数值型数据 * 8) 预测数值型数据：回归 + * [预测数值型数据：回归.md](./docs/8.预测数值型数据：回归.md) * 9) 数回归 * [树回归](./docs/9.树回归.md) diff --git a/docs/7.利用AdaBoost元算法提高分类.md b/docs/7.利用AdaBoost元算法提高分类.md new file mode 100644 index 00000000..e69de29b diff --git a/docs/8.预测数值型数据：回归.md b/docs/8.预测数值型数据：回归.md index 90b975ad..62f1daff 100644 --- a/docs/8.预测数值型数据：回归.md +++ b/docs/8.预测数值型数据：回归.md @@ -1,18 +1,18 @@ -# 8)Ԥֵݣع +# 8)预测数值型数据：回归 -* Իعص - * ŵ㣺⣬ϲӡ - * ȱ㣺ԷԵϲá - * ݷΧֵͺͱݡ -* ԭ - * عĿԤֵ͵Ŀֱֵӵİ취ԼдһĿֵļ㹫ʽ -* عһ - * ռݣκη - * ׼ݣعҪֵݣݽתɶֵݡ - * ݣݵĿӶάͼڶͷڲ»عϵ֮󣬿Խ߻ͼΪԱȡ - * ѵ㷨ҵعϵ - * ݣʹRƽԤֵݵ϶ȣģ͵Ч - * ʹ㷨ʹûع飬ڸʱԤһֵǶԷ෽ΪԤݶɢǩ -* ܽ - * عϵĹ̾ǻع顣 +* 线性回归的特点 + * 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。 + * 适用数据范围：数值型和标称型数据。 +* 工作原理 + * 回归的目的是预测数值型的目标值。最直接的办法是以及输入写出一个目标值的计算公式。 +* 回归的一般流程 + * 收集数据：任何方法 + * 准备数据：回归需要数值型数据，标称型数据将被转成二值型数据。 + * 分析数据：绘出数据的可视二维图将有助于对数据做出理解和分析，在采用缩减法求得新回归系数之后，可以将新拟合线绘在图上作为对比。 + * 训练算法：找到回归系数。 + * 测试数据：使用R的平方或者预测值和数据的拟合度，来分析模型的效果。 + * 使用算法：使用回归，可以在给定输入的时候预测出一个数值，这是对分类方法的提升，因为这样可以预测连续型数据而不仅仅是离散的类别标签。 +* 总结 + * 求回归系数的过程就是回归。