【ML吴恩达】5 简单回归中的均方误差MSE

Coursera 课程Machine learning with python

1 Using linear regression to predict continuous values

用线性回归预测Co2的排放量，线性回归是一个线性模型用来描述两个以上的变量之间的关系

2 Linear regression topology

线性回归拓扑结构 （1）Simple lInear Regression

• 预测Co2的排放量与发动机大小的关系
  • 独立的变量（x）：发动机大小
  • 非独立变量（y）：Co2的排放量 （2）Multiple linear regression
• 预测Co2的排放量与发动机大小以及气缸数量的关系
  • 独立变量（x）：发动机大小、气缸数量等等
  • 非独立变量（y）：Co2排放量

3 How does linear regression work?

4 Linear regression model representation

θ \theta θ 0是截距、 θ \theta θ 1是梯度

5 How to find the best fit?

实际y值与预测回归线上的理想y值的差距叫残留误差residual error

在数学公式里所有的残留误差用均方误差MSE表示，在求最佳线性回归时，以MSE的最小值作为最佳回归线的标准。但不是随意移动回归线去计算MSE的，而是通过两种方法去计算的。一是可以运用数学方法，二是运用优化方。

6 Estimating the parameters

数学方式求解最佳回归线的参数（不用记住，只是介绍有这种方法，我们会用机器学习解决）

7 Predictions with linear regression

两个参数都是预测出来的，y值也是预测出来的。

8 Pros of linear regression

线性回归的优点 （1）Very fast （2）No parameter tuning 没有参数调整 （3）Easy to understand and highly interpretable好理解