机器学习-统计学习方法中多项式拟合偏导函数推导

      最近在学机器学习,看了Andrew Ng 的公开课,同时学习李航博士的 《统计学习方法》在此记录。

在第十二页有一个关于多项式拟合的问题。此处,作者直接给出了所求的的偏导。这里做一下详细推导。

 

        

此处函数模型的求偏导问题,首先看一下偏导的定义

因为此处是,所以除了Wj 外的Xi,Yi 都可以视作常数。对此求解。

推导后我们会发现所得出的公式与作者给出的答案不同

,不过作者也给出了更正的勘误

但是我们发现还是和我推导出的答案不同。作者分母下的x上标为j+1,而我推导出的上标为2j,参考作者的勘误会发现分子上x的上标增加了一个

j,如果分子上也是因为少了一个j的话,那么就能想通了。

   

                     本帖属首次发帖,风格未定,漏洞百出,另外也可能有错误,欢迎大家指正。仅作为个人学习记录,可为大家略作参考。

                                                  

本文地址:http://www.cnblogs.com/santian/p/4336934.html

博客地址:http://www.cnblogs.com/santian/

转载请以超链接形式标明文章原始出处。

    

 

转载于:https://www.cnblogs.com/santian/p/4336934.html

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