《机器学习（MATLAB版）-习题及答案ch02.docx》由会员分享，可在线阅读，更多相关《机器学习（MATLAB版）-习题及答案ch02.docx（1页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第二章线性模型与逻辑斯蒂回归一、线性模型的预测函数的定义以及优点线性模型的预测函数就是线性函数，其最大的优点是简单、可解释性强，且运算速度 快。 虽然线性函数的建模能力有限，但当样本的属性向量维数很高、训练样本数目很多时，它具 有速度上的优势，在大规模分类问题上得到了成功的应用。另外，本章介绍的逻辑斯 谛回 归是线性分类模型的一种推广，它具有较强的建模能力。简言之，线性模型虽形式简单， 但蕴含着机器学习中的一些重要基本思想。许多功能更为强大的非线性模型可在线性模型 的基础上通过引入非线性映射而得到。二逻辑斯蒂方法回归的优点(1)直接对分类可能性建模，无须事先假设数据分布，避免了假设分布不准确所
2、带来 的问题。(2)不仅可预测出类别，而且可得到近似概率预测，这对需利用概率辅助决策的任务 很有用。(3)预测函数是任意阶可导的凸函数，现有的许多数值优化算法都可直接用于求取最 优解。三线性模型回归的实现在MATLAB中，为了方便用户的使用，针对线性回归算法封装了函数fitlm,该函数不 仅适用于简单的线性回归，同时也适用于多元线性回归。函数也Im的使用方法有如下 几 种。其中，X表不样本属性矩阵；y表示样本标签的向量；modelspec表示拟合的方式，其 相关 参数可为 constant* * linear* interactions* urequadratic, quadratic，等，分别表示 常数回 归拟合(即一条横线)、直线拟合、可存在交叉项的拟合(但不存在平方项)、可存 在平方 项的拟合(但不存在交叉项)、交叉项和平方项同时存在的拟合；Name为可选参数 的名 称;Value为可选参数的取值，在未对可选参数赋值时，其取值为默认值。mdl = f;mdl = fitlm(X,y,modelspec);mdl = f,Name,Value);