扫码加入数据分析学习群

机器学习【二】广义线性模型

涉及内容：

线性模型的图形表示————导入线性模型、拟合数据点、拟合新加的数据点、训练数据集的属性“xx_”

线性模型特点—————用于回归分析的好几种线性模型之间的区别

最基本的线性模型：线性回归————

使用L2正则化的线性模型：岭回归————线性回归和岭回归之间的重要结论

使用L1正则化的线性模型：套索回归————

套索回归和岭回归的区别————

适用：

• 对于特征变量较多的数据集，线性模型会十分强大【尤其是训练集的特征变量 > 数据点的数量时，可以达到近乎完美的预测】

优点：

• 线性模型的训练非常快

• 过程也很容易被人理解

缺点：

• 数据集的特征比较少的时候，线性模型的表现就会相对偏弱

• 使用线性模型的前提条件是假设目标y是数据特征的线性组合