线性回归的正规方程法

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。
摘要由CSDN通过智能技术生成

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 θjJ(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:
在这里插入图片描述
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

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