本文深入探讨了线性回归中的正规方程，解释如何通过求解正规方程找到最小化代价函数的参数。内容包括正规方程的公式（θ=(XTX)^{-1}XTy），对比梯度下降法，讨论矩阵不可逆时的情况（如特征线性相关和过拟合）以及解决方案，并提供了正则方程的推导过程。
正规方程
正规方程是通过求解下面的方程来找出使得代价函数最小的参数的： ∂ ∂ θ j J ( θ i ) = 0 \frac{\partial}{\partial \theta_j} J(\theta_i) = 0 ∂θj∂J(θi)=0
假设我们的训练集特征矩阵为 X X X（包含了 ?0 = 1）并且我们的训练集结果为向量 y y y，则利
用正规方程解出向量 θ = ( X T X ) − 1 X T y \theta = (X^TX)^{-1}X^Ty θ=(XTX)−1XTy
比如如下的数据：
X = [ 1 2104 5 1 45 1 1416 3 2 40 1 1534 3 2 30 1 852 2 1 36 ] X = \begin{bmatrix} 1 & 2104 & 5 & 1 & 45\\ 1 & 1416 & 3 & 2 & 40\\ 1 & 1534 & 3 & 2 & 30 \\ 1 & 852 & 2 & 1 & 36 & \\ \end{bmatrix} X=⎣⎢⎢⎡1111210414161534852
最低0.47元/天 解锁文章
扫一扫
2646
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
