在julia中用flux.jl实现线性回归

Question

我正在寻找一个替代MLJLinearModel的线性回归在朱莉娅。我读过一些博客，将flux.jl描述为执行ML任务的更好、更强大的包。但是，我还没有找到专门针对线性回归的详细教程。请推荐一种方法来执行这项任务或来源，这可以帮助我详细了解这一过程。

提前谢谢你！

Answer 1

我推荐使用GLM来完成这项工作。举个例子：

using GLM, DataFrames

a, b = 2, 3;
dat = DataFrame(x=1:1000, y=a .* (1:1000) .+ b .+ randn(1000))

ols = lm(@formula(y ~ x), dat)

这会产生：

StatsModels.TableRegressionModel{LinearModel{GLM.LmResp{Vector{Float64}}, GLM.DensePredChol{Float64, LinearAlgebra.Cholesky{Float64, Matrix{Float64}}}}, Matrix{Float64}}

y ~ 1 + x

Coefficients:
───────────────────────────────────────────────────────────────────────────
               Coef.   Std. Error         t  Pr(>|t|)  Lower 95%  Upper 95%
───────────────────────────────────────────────────────────────────────────
(Intercept)  3.0607   0.0641567       47.71    <1e-99    2.9348     3.1866
x            1.99989  0.000111039  18010.65    <1e-99    1.99967    2.00011
───────────────────────────────────────────────────────────────────────────

你总是可以直接得到系数：

julia> coef(ols)
2-element Vector{Float64}:
 3.0607023932922464
 1.9998906641774181