//个人学习记录,如有错误,请指正
预测函数
首先我们来看线性回归的预测模型,可见这种模型是比较简单的,它赋予每个特征一个权值,再增加一个偏置量,最终得到预测值。显然我们需要训练的目标就是一个偏置量和每个特征的权值。
损失函数
这里我们使用均方误差作为线性回归的损失函数,其主要的优势在于便于训练部分需要的计算。这里我们对比均方根误差,可以发现,就求偏导数而言,第一,均方根误差因为带有根号,可能并非处处可导,偏导数会存在突变情况,其导数计算也会比较复杂,而均方误差计算则简单一些。
//个人学习记录,如有错误,请指正
首先我们来看线性回归的预测模型,可见这种模型是比较简单的,它赋予每个特征一个权值,再增加一个偏置量,最终得到预测值。显然我们需要训练的目标就是一个偏置量和每个特征的权值。
这里我们使用均方误差作为线性回归的损失函数,其主要的优势在于便于训练部分需要的计算。这里我们对比均方根误差,可以发现,就求偏导数而言,第一,均方根误差因为带有根号,可能并非处处可导,偏导数会存在突变情况,其导数计算也会比较复杂,而均方误差计算则简单一些。