3.1 基本形式
-
f ( x ) = w T x + b f(x) = w^Tx+b f(x)=wTx+b
其中
w = ( w 1 ; w 2 ; . . . ; w d ) w = (w_1;w_2;...;w_d) w=(w1;w2;...;wd) -
线性模型的缺陷:XOR(异或问题)解决不了,无法用一条线进行划分.
-
补充
-
梯度下降法
-
f ( x + Δ x ) = f ( x ) + Δ x T ∇ f ( x ) f(x+\Delta x)= f(x)+\Delta x^T\nabla f(x) f(x+Δx)=f(x)+ΔxT∇f(x)
其中
Δ x T ∇ f ( x ) < 0 \Delta x^T\nabla f(x)<0 ΔxT∇f(x)<0
表示方向相反 -
Δ x = − γ ∇ f ( x ) \Delta x = -\gamma \nabla f(x) Δx=−γ∇f(x)
用查找法(二分法、黄金分割法或者其他算法)确定下面的值
γ \gamma γ
-
-
3.2 线性回归
-
最小二乘法(least square method)
( w ∗ , b ∗ ) = a r g m i n w , b ∑ i = 1 m ( f ( x i ) − y i ) 2 = a r g m i n w , b ∑ i = 1 m ( y i − w