[英]What is the logic behind the .fit() method in machine learning models?
我從sci-kit learning開始機器學習,並遇到了機器學習中的各種模型。
在每個模型中,都有一個fit()
函數。
盡管我閱讀了許多博客文章,並知道fit()
可以幫助我們找到模型的參數。
例如,在線性回歸模型中, fit()
函數有助於查找斜率和截距。
但是我仍然無法理解fit()
函數的背后邏輯。
通常,至少對於預測模型而言,fit()會獲取要用於訓練某些模型的數據,以便可以對其他相關數據進行預測。 每種類型的模型都有不同的約束和嘗試從數據中提取的模式的不同類型。 在一維線性回歸中,fit()在數據中尋找線性(直線)關系,並找到一個線性函數(斜率和截距),該函數使函數和提供的數據點之間的平方差之和最小。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.