正规方程（含推导过程） from 吴恩达的机器学习

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：

假设我们的训练集特征矩阵为X(包含了 ）并且我们的训练集结果为向量 y，则利用正规方程解出向量:

                                                                                         **********

例：

正规方程推导过程

参考：https://blog.csdn.net/chenlin41204050/article/details/78220280

多变量线性回归代价函数为：

其中： 

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：

设有m个训练实例，每个实例有n个特征，则训练实例集为：

 
其中表示第i个实例第j个特征。

特征参数为：

输出变量为：

故代价函数为：

进行求导，等价于如下的形式：

求导公式：

• 其中第一项：

• 第二项：

 
该矩阵求导为分母布局下的标量/向量形式： 
故有， 

• 第三项：

 
该矩阵求导为分母布局下的标量/向量形式： 
故有： 

• 第四项：

 
其中为标量，可看成一个常数。 
该矩阵求导为分母布局下的标量/向量形式： 
故有： 

综上，正规方程为：

最终可得特征参数的表示：

梯度下降与正规方程的比较：

梯度下降	正规方程
需要选择学习率	不需要
需要多次迭代	一次运算得出
当特征数量n大时也能较好适用	需要计算如果特征数量n较大则运算代价大，因为矩阵逆的计算时间复杂度为 ，通常来说当n小于10000 时还是可以接受的
适用于各种类型的模型	只适用于线性模型，不适合逻辑回归模型等其他模型

总结:

只要特征变量的数目并不大，标准方程是一个很好的计算参数的替代方法。具体地说，只要特征变量数量小于一万，通常使用标准方程法，而不使用梯度下降法。