线性回归是机器学习的基础,用处非常广泛,在日常工作中有很大作用。
1.什么是线性回归
通过多次取点,找出符合函数的曲线,那么就可以完成一维线性回归。
2.数学表示
是截距值,为偏移量。
因为单纯计算多项式需要很大空间,所以就需要将式子变形,转化为矩阵乘积形式。
3.最小二乘法模型
首先定义一个函数L来表示损失函数(通过已有的X,Y数据来计算)
4.梯度下降
直接运算缺点:运算性能不足。
所以选择梯度下降法。
线性回归是机器学习的基础,用处非常广泛,在日常工作中有很大作用。
1.什么是线性回归
通过多次取点,找出符合函数的曲线,那么就可以完成一维线性回归。
2.数学表示
是截距值,为偏移量。
因为单纯计算多项式需要很大空间,所以就需要将式子变形,转化为矩阵乘积形式。
3.最小二乘法模型
首先定义一个函数L来表示损失函数(通过已有的X,Y数据来计算)
4.梯度下降
直接运算缺点:运算性能不足。
所以选择梯度下降法。
本站转载的文章为个人学习借鉴使用,本站对版权不负任何法律责任。如果侵犯了您的隐私权益,请联系本站邮箱yoyou2525@163.com删除。