回答情况：
提问时间：
问题标签：
2回答
我开始学习机器学习，首先提到的是线性回归方法的使用。基本上，我们有一堆数据点，我们想要拟合一条线，这样我们从这条线和实际数据点得到的误差就最小化了。
浏览 0修改于2019-09-13得票数 4
2回答
我读到，我们对线性回归作了以下假设：
因此，这些假设是特定于线性回归或适用于所有类型的回归技术，如支持向量回归，拉索和岭回归，逐步回归等。
浏览 0提问于2020-03-11得票数 3
3回答
我是机器学习的新手，我想学的第一个概念是线性回归。我读过，要应用线性回归，我需要使用线性模型。从这个假设出发，我知道这是一个简单的线性回归模型：线性回归的定义是，因变量y应该是参数w的线性组合(但对于自变量x则不一定相同)。所以我们可以说，这也是一个线性回归模型：在这种情况下，我应该说这是一个
浏览 0提问于2018-06-26得票数 2
1回答
我需要一次对X个周期执行滚动线性回归。我有以下熊猫数据框架：0 43542 657我可以使用scipy对整个数据帧执行线性回归，如下所示：然后为了得到线性回归线，我这样做：
df['
浏览 0修改于2015-09-02得票数 1
这是我的场景。 [98411.00, 81869.75], [38068.00, 54774.00], [10220.00, 18465.25]]x-cordinates指“工资”y-cordinates指“费用”这是我的代码样本。请帮帮我。
from sklearn.linear_mode
浏览 1修改于2018-02-20得票数 0
回答已采纳
因此，我的怀疑基本上是线性回归，我们试图拟合一条直线或一条曲线，对给定的训练集。现在，我相信当特性(自变量)增加时，参数也会增加。因此，计算这些参数在计算上是昂贵的。所以，我想这就是我们走向非线性的原因！？我的理解对吗？
我的下一个疑问是，对于线性回归的过度拟合，我们说模型是记忆的。
浏览 0修改于2020-05-08得票数 1
回答已采纳
对于线性或非线性回归模型，是否有一种大小适合于所有度量的精度/错误率？
例如，调整R2只适用于多元线性回归(至少他们这么说)。
浏览 0提问于2019-07-05得票数 0
1回答
我有两个向量：Y -与X (N)相同维数的输出向量Y = FX有人能帮我找到一些关于如何用机器学习来解决这个问题的参考吗？我已经寻找多元线性回归，但它指向多变量而不是向量。
浏览 5修改于2021-02-03得票数 0
回答已采纳
6回答
我正在尝试使用GLSMultipleLinearRegression (来自apache commons-math包)进行多元线性回归。它需要一个协方差矩阵作为输入--我不确定如何计算它们。
浏览 2修改于2009-09-09得票数 3
回答已采纳
3回答
我已经看到aggregate可以使用像sum和average这样的运算符，从线性回归中得到系数也很简单。我怎么把它们结合起来呢？
浏览 6修改于2015-07-29得票数 3
回答已采纳
1回答
现在，我希望创建大约100个线性回归模型，每个模型将一家公司的日志收益与实际波动率联系起来，将其与指定的公司联系起来。现在，我希望将其扩展到为所有100家公司自动创建线性回归模型。(即如何简单地保存所有回归结果)。从现在开始，for循环只输出数百个回归结果，这在分析结果时是非常无效的。
浏览 3提问于2014-06-30得票数 0
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号