NTU-Coursera机器学习:linear回归与logistic回归

162 篇文章 113 订阅 ¥9.90 ¥99.00
本文详细介绍了线性回归的概念、算法和优化方法,并探讨了线性回归作为学习算法的特性。接着,文章转向逻辑斯蒂回归,解释了其在处理概率预测问题中的应用,以及优化策略,包括梯度下降法。最后,概述了完整的逻辑斯蒂回归算法流程。
摘要由CSDN通过智能技术生成

线性回归问题

例如,信用卡额度预测问题:特征是用户的信息(年龄,性别,年薪,当前债务,...),我们要预测可以给该客户多大的信用额度。 这样的问题就是回归问题。
目标值y 是实数空间R。线性回归假设:

线性回归假设的思想是:寻找这样的直线/平面/超平面,使得输入数据的残差最小。通常采用的error measure 是squared error:

线性回归算法

squared error 的矩阵表示:


Ein 是连续可微的凸函数,可以通过偏微分求极值的方法来求参数向量w。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值