我在Datawhale学“吃瓜”（二）

❝
时间过得真快， Task02 的六天一下子就过去了，除去外伶仃岛旅游的两天所剩的时间就不多了，因此本次学习依旧停留在概念阶段，本次学习的重点是--线性模型，“线性模型是机器学习中最为基础的模型，很多复杂模型均可认为由线性模型衍生而得。”
❞

基本形式

线性模型最直观，比如二分类就是找到一条划分类别的线，而回归就是找到一条趋近分布的线。线性模型(linear model) 试图学得一个通过属性的线性组合来进行预测的函数，即

向量形式：

直观地表达了各属性在预测中的重要性。非线性模型可在线性模型的基础上通过引入层级结构或高维映射而得。

"线性回归" (linear regression) 试图学得一个线性模型以尽可能准确地预测实值输出标记.

线性回归试图学得：，使得

如何确定和b呢？关键在于如何衡量与之间的差别。MSE(均方误差)是回归任务中最常用的性能度量。

多元线性回归（Multivariate linear regression）表达式：

, 使得对数线性回归(Log-linear regression)表达式: