机器学习---学习记录

已于 2022-10-18 20:36:50 修改
阅读量466 收藏
点赞数
分类专栏： 模型量化论文 文章标签： 机器学习 学习 人工智能
于 2022-10-18 19:36:01 首次发布
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/m0_49234921/article/details/127394372
版权
这篇博客详细介绍了经典机器学习算法中的线性回归，包括一元和多元线性回归的公式推导。博主探讨了logistic回归的问题，求偏置b和权重w的方法，利用凹凸函数定理找到最优解，并讨论了如何将w向量化。此外，还涉及多元线性回归的损失函数、梯度和Hessian矩阵，以及对数几率回归的基础概念。
摘要由CSDN通过智能技术生成

机器学习


在这里插入图片描述

经典机器学习算法的公式推导

线性回归的公式推导（一元线性回归（求偏置b和w）、多元线性回归）

1、问题:logistic回归解决的是什么问题？它的表达式是什么，求导公式是什么？

2、偏置b的公式推导

推导思路：
首先：由最小二乘法导出损失函数E(w,b）;
在这里插入图片描述

在这里插入图片描述

两个定理：1、凹凸函数；2、二元凹凸函数求最值（用这个定理求w和b）

了解本专栏 订阅专栏 解锁全文 超级会员免费看
土豆娃potato
关注
专栏目录
订阅专栏
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

土豆娃potato

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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。

余额充值