machine-learning - 预测向量值而不是单个输出

标签 machine-learning linear-regression

在线性回归中,我总是看到这样的情况:我有很多特征,并且我使用它们来预测单个输出,例如

f1 f2 f3 f4 --> y1
f1 f2 f3 f4 --> y2

等等... 我想知道是否存在预测值(即 y1)实际上是一个向量而不是单个值

最佳答案

是的,几乎每种回归方法(神经网络、支持向量回归器、随机森林回归器……)都适用于多维输出。包括线性回归。特别是如果 y 是要预测的 N 行和 K 列值向量,并且 X 是 N 行、d 列数据矩阵,则线性回归很简单

A = (X'X)^-1 X'y

然后预测就形成了

XA

这又是 N 行、K 列的预测矩阵。

关于machine-learning - 预测向量值而不是单个输出,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36320991/

相关文章:

R:使用具有重复数的列表的稳健线性回归

postgresql - 使用 MADlib-postgre 训练线性回归模型时如何使用非数字自变量?

machine-learning - 超参数优化随机搜索的改进

python - 考虑 Pandas 中的几个属性,删除重复项

python - 更新 TensorFlow 中的权重子集

python - statsmodels.api 返回 MissingDataError : exog contains inf or nans when trying to fit multivariate regression

python - 如何用 3d flat 绘制多元线性回归

apache-spark - Apache Spark 是否不如 Scikit Learn 准确?

python - 将字符串(字母)从文件文本转换为整数

machine-learning - 如何在 TensorFlow 中正确实现卷积的 dropout