不要小看线性回归！

文章预览

大数据文摘编译 在数据领域初学时，大家常听到的一个建议是：不要试图把整个机器学习都学透——因为它实在太庞大且变化太快，根本不现实； 而更应该聚焦在少数几个与数据工作日常紧密相关的模型，比如决策树、支持向量机，当然，还有线性回归。 线性回归本身就是一个非常实用的模型，更有意思的是，许多其他机器学习模型其实都是在它的基础上稍作改动而来。 本文的目的，就是想让大家看到这一点。接下来，我们会先简要回顾一下线性回归的基本原理，然后再介绍它的几种常见变体。 01 线性回归再认识 线性回归属于监督学习，也就是说我们有一个明确的输出变量（即目标变量），我们假定它是输入特征的线性函数。通常我们会用下面这样的公式来表示： 这里，y 是目标变量，x 是包含所有输入特征的向量，ε 代表“噪声”，也就是 ………………………………