在机器学习里面,常见的预测算法有以下几种:
简易平均法:包括几何平均法、算数平均法及加权平均法;
移动平均法:包括简单移动平均法和加权移动平均法;
指数平滑法:包括一次指数平滑法和二次指数平滑法,以及三次指数平滑法;
线性回归法:包括一元线性回归和二元线性回归。
本篇博客,笔者将为大家主要介绍多元线性回归的相关内容。
2.内容线性回归是基础且广泛使用的预测分析算法,它允许在数字输入和输出值之间建立关系(不能用于分类数据)。简而言之,我们的目标是将复杂形式显示的实际值显示为如下图中的单线。
2.1 一元线性回归
具有一个因变量和一个自变量的回归方程的最简单形式由如下公式组成:
y = ax + b y=因变量,a=系数,x=自变量,c=常数