进入机器学习领域,具有合理的统计学背景并了解线性代数(矩阵乘法等)的基本原理 - 但我很难弄清楚为什么减少多项式回归有效。
例如,假设我们有这个功能:
++
根据我在 4 个视频和 6 篇文章中看到的内容,我们可以使用以下替换:
- = 1
- =
- =
要创建以下模型: ++ (++)
然后,很好 - 我们可以将其作为正常的多元线性回归来解决,一切都很好。
但是为什么,为什么会这样呢?我真的找不到对此的解释。
谢谢!
进入机器学习领域,具有合理的统计学背景并了解线性代数(矩阵乘法等)的基本原理 - 但我很难弄清楚为什么减少多项式回归有效。
例如,假设我们有这个功能:
++
根据我在 4 个视频和 6 篇文章中看到的内容,我们可以使用以下替换:
要创建以下模型: ++ (++)
然后,很好 - 我们可以将其作为正常的多元线性回归来解决,一切都很好。
但是为什么,为什么会这样呢?我真的找不到对此的解释。
谢谢!
我真的不明白你的问题陈述。您可以简单地将平方项添加到任何线性模型。说你有和并且您想对多项式函数进行建模,您可以编写如下模型:
.
以矩阵形式,这看起来像
.
一个带有一些数字的例子会这样写:
=
你可以像这样解决这个问题, 在哪里是线性回归模型的系数。