【吴恩达机器学习】章节5 多变量线性回归

目录:

+ 多功能

+ 多元梯度下降法

+ 特征和多项式回归

+ 正规方程

+ 编程小技巧

 

一·多功能

多特征下的描述

 

假设函数变化

 

多元线性回归

 

二·多元梯度下降法

把参数用向量来表示

 

多元线性回归模型

特征缩放

代价函数的等值线更圆，执行梯度下降会更快

 

特征除以最大值

均值归一化（为最大值减去最小值，或者标准差

 

学习率

检查梯度下降算法是否收敛（曲线图、自动收敛测试）

３倍选择学习率

 

三·特征和多项式回归

特征的选择

如何将模型与数据拟合　使用多元线性回归的方法，要注意特征缩放

 

三· 正规方程

design matrix

正规方程法不需要特征缩放

特征变量数量小于１万使用正规方程法

正规方程以及不可逆性

伪逆

如何解决奇异矩阵或退化矩阵？（删除线性相关 -> 检查是否有过多特征)

 

四· 编程小技巧

向量化～