一、實驗要求
在計算機上驗證和測驗最小二乘法和線性回歸實驗，sklearn的線性回歸演算法，
二、實驗目的
1、掌握最小二乘法的原理
2、能夠理解線性回歸和多元線性回歸演算法；
3、掌握線性回歸評價指標和多項式特征演算法；
4、掌握KNN，貝葉斯，決策樹和SVM如何進行線性回歸
5、掌握邏輯回歸分類演算法
三、實驗內容
實驗步驟
1.請參考線性回歸.pdf檔案，完成基于最小二乘法的一元線性回歸，多元線性回歸的實作，并用測驗用多元線性回歸，對波士頓房價進行預測，
一元線性回歸：
多元線性回歸：
用多元線性回歸，對波士頓房價進行預測：
2.請參考線性回歸2.pdf，同時對比，線性回歸，以及KNN回歸，貝葉斯回歸，決策樹回歸和SVR回歸，五個回歸演算法對波士頓房價預測的差異，哪個回歸演算法R方分數高，
最小二乘法線性回歸：
KNN回歸：
貝葉斯回歸：
決策樹回歸：
SVR回歸：
R方：
經對比：KNN回歸演算法R方分數高
2.請參考線性回歸2.pdf和分類匯總.ipynb，同時對比邏輯回歸，針對基本資料，交叉資料，太極資料，圓環資料，異或資料，多類資料的分類邊界線，
邏輯回歸邊界對比：
邏輯回歸加入多項式回歸：分類邊界效果變差
基本(表現較好)與交叉資料集：
太極與圓環資料集：
異或與多分類資料集：
四、實驗總結
理解了線性回歸和多元線性回歸演算法，更加清楚了各演算法回歸的分類邊界效果，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/354500.html
標籤：AI
上一篇：如何確認計算機的GPU配置