![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
AI
Aaron__Cao
孤僻 程序员
展开
-
正规方法推到过程
那啥,之前笔记里这部分是略过的。这里整理一下吧。有兴趣的可以对照看看和你推倒的过程一样不。 我们先回顾一下,我们定义观测结果y和预测结果y'之间的差别为Rss: 设若参数的矩阵为,则 那么 按照我们的定义,这个Rss的意思是y和y'之间的差,那么当Rss无限趋近于0的时候,则y≈y',即我们求得的预测结果就等于实际结果。 于是,令Rss等于某一极小值,则转载 2018-01-31 09:06:01 · 406 阅读 · 0 评论 -
线性回归之梯度下降法
线性回归: 假设h(x)=y,有大量样本,求h(x)是什么。 那么可以假设因为所以可以简化为 为了方便,这里先记只有和的情况,原公式就简化为了: 假设实际结果为y,y=f(x) 那么,h(x)在什么情况下最接近f(x)呢? 最接近0的情况下啦。 那大量样本(m组样本)呢? 我们给做一个平方,保证它为正,为正了以后,就是求最小了对吧。方便很转载 2018-01-31 09:18:50 · 289 阅读 · 0 评论