多特征线性回归模型

一、多特征符号意义说明:

在这里插入图片描述

  • x下标j:表示第j个特征
  • x上标i:表示第i个样本的所有特征,是一个行向量
  • x上标i下标j:表示第i个样本的第j个特征,是一个数

二、多特征模型表示:

在这里插入图片描述

三、Numpy向量表示、内积计算:

1.向量表示:

在这里插入图片描述
向量内积相比于单变量更易编写、易读。

2.内积计算:

在这里插入图片描述
使用向量内积计算相比与传统for循环速度更快。(原理是Numpy对于硬件并行使用,加速机器学习作业)

四、多元线性回归模型的梯度下降算法:

在这里插入图片描述

  • 同一个参数的梯度下降,每个参数分别计算参数值。
  • 黄色部分为计算梯度,对损失函数求该参数的偏导。
  • 6
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
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

打赏作者

姓蔡小朋友

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
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