最近开始进行机器学习(目前是个noob),学习了很长一段时间后发现,看了后面忘了前面,于是决定做一个学习笔记
本专题将顺着斯坦福公开课的讲义一路写下去,可能不会有太多的个人见解,可能更像是讲义中知识点的概括,文章风格可能会带有比较浓厚的个人风格且文笔较烂,而且大概率会出现错误,如果有大手子见到了这篇博客(尽管我认为不会有人看我的博客),还请在评论中斧正
下面进入正题:
1. 简述
众所周知,房价会受到面积、房间数量的影响,那么这两个参数对房价的影响是怎样的呢?
对于这个问题,我们假设面积和房间数量为x,其中x是一个二元对,房价为y,那么这个问题,就是找到一个h,使 h(x)=y h ( x ) = y
当然,样本可能有多个,而且实际的参数数量也不会是面积和房间数量两个,因此我们记 x(i)j x j ( i ) 为第i个样本的第j个参数
并且我们假设h的形式为
hθ(x)=∑ni=0θixi(28) (28) h θ ( x ) = ∑ i = 0 n θ i x i
其中 x0 x 0 的值为1
那么h可以化简为
h(x)=θTx(29) (29) h ( x ) = θ T x
接着,我们定义代价函数
J(θ)=12∑mi=0(hθ(x(i))−y(i))2(30) (30) J ( θ ) = 1 2 ∑ i = 0 m ( h θ ( x ( i ) ) − y ( i ) ) 2
其中x为向量,y为实数
显然, J(θ) J ( θ ) 的值越小,h(x)就越符合条件
2. LMS algorithm(最小均方算法)
为了求出 J(θ) J ( θ ) 的最小值 ,我们需要使用梯度下降的方法,规则为
θj=θj−α∂∂θjJ(θj)(5) (5) θ j = θ j − α ∂ ∂ θ j J ( θ j )
其 α α 为学习速率
将 J(θ)代入其