機器學習筆記 - 線性回歸

概念:

Example: playing checkers.

E = the experience of playing many games of checkers

T = the task of playing checkers.

P = the probability that the program will win the next game.

線性回歸:

  • 損失函數:


    損失函數.png
  • 梯度下降:

梯度下降.png
梯度下降求導.png

多維線性回歸:

  • 基礎


    多維線性方程.png

    轉矩陣運算.png
  • 損失函數

同二維線性回歸
  • 梯度下降
多維梯度下降.png
In other words.png
其中,阿爾法即梯度下降步長。

需要合理取值,如果太小,收斂較慢;如果太大,可能無法收斂。

特征縮放

feature scaling.png
u : x平均值
s :max - min
示例
上述示例類型的特征縮放尤為重要

正規方程法

求解公式.png
通過矩陣運算,直接求解。
相對梯度下降法計算量大O(n3)。

其它方法

除梯度下降法和正規方程法,還有牛頓法、擬牛頓法、共軛梯度法等更簡便的方法。

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。

推薦閱讀更多精彩內容