目录

  • 1 自然语言处理概论
    • 1.1 绪论
    • 1.2 NLP基础实验
  • 2 分词
    • 2.1 分词
    • 2.2 中文自然语言处理
    • 2.3 机器学习复习
  • 3 机器学习与自然语言处理
    • 3.1 机器学习与自然语言处理基础
    • 3.2 分类评估方法
    • 3.3 线性回归
    • 3.4 逻辑回归
    • 3.5 SVM
    • 3.6 管道模型
  • 4 自然语言模型与词向量
    • 4.1 自然语言模型
    • 4.2 词向量
    • 4.3 word2vec实验课
  • 5 卷积神经网络与自然语言处理
    • 5.1 卷积神经网络
    • 5.2 pytorch模型训练流程
  • 6 循环神经网络
    • 6.1 循环神经网络
    • 6.2 NER
  • 7 知识点回顾
    • 7.1 知识点回顾
  • 8 第二次作业讲解
    • 8.1 第二次作业
  • 9 seq2seq与机器翻译
    • 9.1 seq2seq
  • 10 Attention与Transformer
    • 10.1 Attention与Transformer
  • 11 预训练模型
    • 11.1 迁移学习与预训练模型
线性回归

线性回归

线性回归(Linear regression)是利用回归方程(函数)一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式。


特点:只有一个自变量的情况称为单变量回归,多于一个自变量情况的叫做多元回归




线性回归当中主要有两种模型,一种是线性关系,另一种是非线性关系。在这里我们只能画一个平面更好去理解,所以都用单个特征或两个特征举例子。

 线性关系
    单变量线性关系:


多变量线性关系


非线性关系



为什么会这样的关系呢?原因是什么?
  如果是非线性关系,那么回归方程可以理解为???

线性回归API

sklearn.linear_model.LinearRegression()

         LinearRegression.coef_:回归系数