文章介绍了线性模型在机器学习中的应用，特别是线性回归模型。通过Tensor和PyTorch的autograd功能，演示了如何生成数据集、构建线性回归模型、初始化参数、定义损失函数和优化算法，并讨论了小批量数据大小的选择对训练的影响。
线性模型(Linear Model) 是机器学习中应用最广泛的模型，指通过样本特征的线性组合来进行预测的模型。
给定一个d维样本 [ z 1 ， ⋅ ⋅ , z a ] T [z_1，··,z_a]^T [z1，⋅⋅,za]T，其线性组合函数为
f ( x , w ) = w 1 x 1 + w 2 x 2 + ⋯ + w d x d + b = w T x + b , \begin{aligned}f(\mathbf{x},\mathbf{w})&=w_1x_1+w_2x_2+\cdots+w_d x_d+b\\ &=\mathbf{w}^T\mathbf{x}+b,\end{aligned} f(x,w)=w
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
