回归的 fit() 和 predict() 方法中的逻辑

Question

谁能解释一下机器学习算法中使用的fit()和predict()的概念。

fit()- used to fit the data.
     output- LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False)

Query1 = fit 的后端计算是什么。调用fit()方法后，根据什么得到上面的输出。

predict() - 用于预测数据。

Query2 = 这里使用的后端计算是什么。

这些是我需要的一些基本概念理解。任何帮助表示赞赏。 谢谢。

Answer 1

在机器学习中，您想要制作一个真实世界概念的模型。例如，植物的生长和它获得的水量之间很有可能存在相关性。 fit() 将尝试在数学公式中拟合这种相关性（= 模型，现实世界概念的简化）。 拟合意味着该算法将尝试根据他之前猜测中的错误反复调整它的估计。

请注意您的第二个问题是什么意思，但如果您要问线性回归是如何工作的，您可以查看维基百科：https://en.wikipedia.org/wiki/Linear_regression 它很好地解释了基本概念。

但是请记住，LinearRegression() 将执行多变量线性回归，因此它只是在 de nD 平面中的线性关系，而不是在 2D 中。

Answer 2

我通过阅读一本非常有趣的书学习了逻辑回归（机器学习），该书为您提供了一些基础知识，但也为您提供了困难的算法。您可以在第 3 章找到代码示例：https://github.com/rasbt/python-machine-learning-book/tree/master/code，您会找到逻辑回归，但不会找到算法。 无论如何， fit() 方法用于在算法中调整数据，它只是为了它，据我所知没有算法，它只是为了“组织”目的。逻辑回归中的 predict() 方法使用 sigmoid 函数和对数表达式。 现在我不记得算法计算了（对不起），但我可以得到一些我们的。