线性回归问题解的唯一性

线性回归问题在Andrew Ng的视频教学《机器学习》的第二章中有提到,可以用梯度下降的方法来解决其中的参数估计问题。Ng指出梯度下降法在线性回归问题中必然全局收敛,因为这个问题只有一个极值点。这也就意味着线性回归问题的解是唯一的。
我们现在要证明这个解的唯一性。在证明唯一性之前,先求解线性回归问题。

定义1:观察数据 X
样本数据由一个 m×(n+1) 的矩阵 X 表达,其中 m 是样本数, n 是样本的特征的数量。

X=x10xm0x1nxmn(1)

为了表示每一个样本,我们引入每个样本的列向量标记 x(1),,x(m) ,其中 x(i)=(xi0,xi1,,xin)T 。需要说明的是:第0维为 xi0=1 ,其余都是观察数据。
定义2:目标值 y
m 个样本的目标值分别为 y(1),,y(m) ,用列向量表示:
y=y(1)y(m)(2)

定义3:线性回归模型 hθ(x) ,用于预测给定输入后得到的输出。
我们定义线性回归模型如下:
hθ(x
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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