我的视频：向女算法工程师学习线性回归和逻辑回归。
地址：https://www.ixigua.com/i6704826319307276808/
我还是把我上一个视频里的ppt贴在头条文章里，希望对感兴趣的朋友有所帮助。我们不要胡说八道。让我们看ppt。
现在，线性回归，从定义来看，就是能够用一条直线更准确地描述数据之间的关系。这样，当新数据出现时，可以预测一个简单的值。
接下来，举一个线性回归的例子，住房面积和房价的关系。下图中的点是训练数据。
根据训练数据，我们要拟合一条直线来表示房屋面积和房价的关系。不同的人可能拟合不同的直线，那么哪条直线最合理呢？这就是线性回归所要求的。
如何求这条直线，就是求各点到直线的距离，使距离最小。那么这条直线就是我们想要的。
线性回归的求解方法是：首先构造预测函数，也就是我们要拟合的直线，这里是多维线性回归，然后构造损失函数，最后最小化损失函数。最小化损失函数的线性回归方法是梯度下降法和正规方程解法。
我们来谈谈逻辑回归。逻辑回归是基于线性回归的sigmoid函数。目的是将线性回归函数的结果映射到sigmoid函数。
我们来看看sigmoid函数，一个非常漂亮的连续函数。
寻找逻辑回归的步骤与线性回归相似。首先找到预测函数，这里是线性回归函数加sigmoid函数，然后构造损失函数，用最大似然法导出，最后用梯度下降法最小化损失函数。
最后总结一下线性回归和逻辑回归的步骤，都在ppt里面，我就不重复了。
这里只是简单的ppt介绍，想看我的视频详细讲解~
最后，如果你喜欢我，请关注我，点赞并转发评论~谢谢大家的支持~
