【问题标题】:How can the multivariate linear regression be linear in nature?多元线性回归本质上如何是线性的?
【发布时间】:2017-10-22 08:11:24
【问题描述】:

据我所知,线性函数只有两个变量来定义它,即 x 和 y。

然而,根据多元线性回归,

h(x)=(theta transpose vector)*(x vector)
where theta transpose vector = (n+1)x1 vector of parameters
      x vector = input variables x0, x1, x2 ....., xn

涉及多个变量。它不会改变图形的性质,从而改变函数本身的性质吗?

【问题讨论】:

  • 如果回答对您有帮助,请采纳(回答会占用受访者宝贵的时间)-谢谢

标签: math machine-learning linear-regression


【解决方案1】:

线性函数只有两个定义它的变量,即 x 和 y

这不准确;线性函数的definition 是自变量为线性的函数。

你所指的只是一个自变量x的特例,其中

y = a*x + b

并且 (x, y) 轴上的图是一条直线,因此术语“线性”本身的历史渊源。

在k个自变量x1, x2, ..., xk的一般情况下,线性函数方程写为

y = a1*x1 + a2*x2 + ... + ak*xk + b

您实际上可以立即识别出与多元线性回归方程相同的形式。

请注意,您对术语 multivariate 的使用也是错误的 - 您实际上是指 multivariable,即多个自变量 (x's);第一项表示多个依赖变量(y's):

请注意,多元回归不同于多元回归 回归,只有一个因变量。

(source)

【讨论】:

  • 非常感谢,但我很抱歉,但我现在更困惑了。你能推荐一些我可以参考的链接吗?
  • @AsmaRahimAliJafri 我提供的链接应该是一个好的开始
猜你喜欢
  • 2010-11-23
  • 2013-07-17
  • 2014-05-20
  • 1970-01-01
  • 2018-05-01
  • 2020-04-20
  • 2019-09-24
  • 2016-10-15
  • 2019-07-04
相关资源
最近更新 更多