线性回归回顾

最新推荐文章于 2022-08-11 10:56:07 发布

liuofcode

最新推荐文章于 2022-08-11 10:56:07 发布

阅读量514

点赞数

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/liuofcode/article/details/119788549

版权

回归的使用场景

股价预测

自动驾驶

input 视觉信息 output 方向盘角度

推荐

使用者A 看商品B 使用者A 购买商品B的概率

Step1 Model

$Y=WX^{T}+B$ W Weight B Bias

Step2 Goodness of Function

$Loss=(Y-\hat{Y})^{2}$

回归的Loss function 本质就是每个样本点到模型的偏差和最小。通常我们可以通过最小二乘法来解决这个问题。

Step3 Gradient descent

通过梯度下降来获取模型权重和bias

随机生成一个权重 W0

然后计算W的切线斜率

设定一个学习率 $\alpha$

最低0.47元/天解锁文章

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
线性回归回顾

回归的使用场景股价预测自动驾驶input 视觉信息 output 方向盘角度推荐使用者A 看商品B 使用者A 购买商品B的概率预测宝可梦 CP值预测进化的CP值input 某一只宝可梦 output 宝可梦的cp值f(x)=CP after evolution x 包含的特征 HP 种类 weight height 以及label cpStep1 Model...
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。