人工智能基础与应用（第2版）（微课版）课件 模块3 线性回归：预测未来趋势.pptx

3-1认识机器学习模块?线性回归：预测未来趋势

目录CONTENTS机器如何学习01机器学习算法02

一.机器如何学习1.机器学习的一般流程机器通过学习，就具备了可以自主获得事物规律或解决问题的能力

一.机器如何学习2.机器学习的三要素经验数据从哪学？算法怎么学？模型学到什么？以算力作为支撑

二.机器学习算法1.监督学习所谓监督学习：是指机器在有已知输入值xi和输出值y的经验数据（样本）的情况下开展的学习。学习方法特点：（1）训练的数据有标签（label）。（2）样本的特征和标签已知。（3）学习的目的就是建立一个将输入准确映射到输出的模型。基于动物特征的猫鼠分类的监督学习

二.机器学习算法2.无监督学习无监督学习：就是指机器在学习过程中不受监督，学习模型不断提高自我认知和不断巩固，最后进行自我归纳来达到学习目的。学习方法特点：（1）无需大量的标注数据。（2）以更接近人类的学习方式不断自我发现、学习和调整。不同分类结果的无监督学习

人工智能基础与应用Thankyouverymuch!

3-2认识线性回归模块?线性回归：预测未来趋势

目录CONTENTS线性回归的数学表达式01梯度下降法03线性回归的几个概念02

一.线性回归的数学表达式定义及表达式线性回归（linearregression）是一种通过拟合自变量xi与因变量y之间的最佳线性关系，来预测目标变量的方法。如果上式中只包括一个自变量x和一个因变量y，且二者的关系可用一条直线近似表示，则这种回归分析被称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量xi，且因变量y和自变量xi之间是线性关系，则称其为多元线性回归分析。

二.线性回归的几个概念1.方差衡量误差真实值:预测值:y

二.线性回归的几个概念2.总平方和SST:衡量了所有观测值相对于整体均值的离散程度。其值越大，说明原始的样本本身具有越大的波动，这种波动反映了因变量的整体偏差。如何评价上述直线对真实值拟合的好坏程度

二.线性回归的几个概念3.拟合优度R2:称为判断系数或拟合优度。由右式可知，线性回归方程以外的其他因素引起的误差SSE越小，R2就越接近1，表示此线性回归方程可以很好地解释因变量的变化；反之，如果SSE越大，接近总体偏差SST，R2就越接近0，说明此问题可能不适合采用线性回归模型解决。尽可能最小y=+

三.梯度下降法1.定义?梯度下降法：?是一种用于求解函数最小值的优化算法。其基本思想是通过迭代的方式，沿着函数的负梯度方向逐步减小函数值，直到达到局部最小值。梯度下降法适用于求解无约束优化问题，常用于机器学习中的参数优化。损失函数L可以理解为系数b和w的函数，记为寻找损失函数L(b,w)的最小值的过程，实际就是按照某种方向，不断去微调b和w的值，一步一步尝试找到这个最小值。

Min()三.梯度下降法2.求解过程

三.梯度下降法3.线性回归解决问题一般步骤01根据问题构建一个线性回归模型,即构建一个函数。02用样本训练模型，使用梯度下降法调整模型参数，目标使损失函数最小。03重复步骤（2），直至找到损失函数的最小值。04用验证集测试模型的精度，评价指标常为均方误差MSE。05如预测结果不满意，则需要改进模型（如加大训练集、改变学习率等）。06回到步骤（2），重新训练模型，直至获得满意的模型。07利用自变量xi和满意的模型去计算预测值y，从而解决预测问题。

人工智能基础与应用Thankyouverymuch!

3-3项目1—预测二手车价格模块?线性回归：预测未来趋势

目录CONTENTS提出问题01预备知识03解决方案02任务1—准备训练集和测试集04任务3—模型的测试及评估06任务2—模型的构建与训练05

一.提出问题问题描述市面上二手车种类繁多，又涉及到汽车的诸多专业知识，对于多数人而言，购买一辆与实际价格相符、车型适中的二手车，并不是一件轻松的事情。如果能从二手车交易的历史记录中发现某种规律，如何合理评估一台二手车的预交易价格呢？让机器帮你找到这个问题的答案

二.解决方案1.问题本质二手车价格预测问题，其实是寻找二手车的基本特征（如汽车品牌、变速箱类型、已使用年限等）与价格之间的关系多元线性回归的机器学习问题

二.解决方案2.解决方案

三.预备知识1.数据归一化（1）min-max标准化（2）零均值标准化

三.预备知识2.线性回归模型如何训练1)定义模型：假设有9个自变量x（品牌、车身类型等）影响二手车的价格，模型的输出值是价格y。因此，模型的假设函数表达式如下。2）构造损失函数：?3）开始训练：初始化参数，包括参数φ、学习率和迭