2023-03-03 10:37:32 星期五
特征和多项式回归
这里讲解一些可供选择的特征,已经得到不同的学习算法,当选择了合适的特征之后,这些算法往往是非常有效的;多项式回归--能够用线性回归拟合非常复杂的函数,甚至是非线性函数。
housing prices prediction (房价预测线性回归模型)
frontage: 临街宽度
depth: 房子纵向深度
也可以自己创造新的特征:area;有可能会得到一个更好的模型,此时特征变为$$x = frontage * depth,$$$$h_{\theta}(x) = \theta_0+\theta_1 * x.$$
多项式回归(polynomial regression)
一个数据集可能会有多个不同的模型用于拟合,例如
- 二次函数模型
此时直线不能很好的拟合
- 三次函数模型
此时二次函数随着特征变大会下降,不能很好拟合
此时假设函数可更改为:
特征范围过大,就需进行特征缩放
如何选择特征
- 二次函数可以很好的拟合
- 二次函数不够用时,除了三次函数还可以用其他的特征(平方根函数)