机器学习
Phyllis_C
这个作者很懒,什么都没留下…
展开
-
多变量线性回归——梯度下降MATLAB矩阵实现
参考吴恩达机器学习视频,此为其线性回归作业。ex1_2多变量的假设h表示为:代价函数:找出使得代价函数最小的一系列参数。多变量线性回归的批量梯度下降算法为:求导后得到:作业:取出ex1data2.txt中的数据,第一列为房子尺寸,第二列为卧室数量,第三列为房子价格。clearclcdata = load('ex1data2.txt'); % read comma separated datax1 = data(:, 1); % the size of the housex原创 2020-12-23 17:35:47 · 2020 阅读 · 3 评论 -
单变量线性回归——梯度下降MATLAB实现
参考吴恩达机器学习视频,此为其线性回归作业。假设回归函数为:选择参数:θ0,θ1。选择的参数决定了得到的直线相对于训练集的准确程度,模型所预测的值与训练集中实际值之间的差距就是建模误差(modeling error)。目标便是选择出可以使得建模误差的平方和能够最小的模型参数。 即使得代价函数最小。代价函数为:求代价函数的最小值:对代价函数的参数求偏导,解出代价函数最小值。此处引入梯度下降算法:梯度下降是一个用来求函数最小值的算法,其背后的思想是:开始时随机选择一个参数的组合(θ0,θ1,原创 2020-11-30 10:37:58 · 1599 阅读 · 0 评论