Linear Regression

最新推荐文章于 2024-08-13 19:59:11 发布

pao___pao

最新推荐文章于 2024-08-13 19:59:11 发布

阅读量291

点赞数

分类专栏：机器学习

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/pao___pao/article/details/86687985

版权

机器学习专栏收录该内容

6 篇文章 0 订阅

订阅专栏

假设函数：

$h_{\theta}(x) = \theta^{T}x$

损失函数：

$J(\theta) = \frac{1}{2m}{}\sum_{i=1}^m(h_{\theta}(x^{(i)})-y^{(i)})^{2}$

正规方程求 $\theta$ ：(Normal Equation无需迭代，无需选取 $\alpha$ 值;但是不适合特征数量n > 10000的情况，求逆时间复杂度O( $n^{3}$ ))

$\theta = (X^{T}X)^{-1}X^{T}y$

梯度下降迭代更新 $\theta$ ：(其中j = 0,1,2......n)

{

$\theta_{j} := \theta_{j} - \alpha\frac{\partial}{\partial\theta_{j}}J(\theta):=\theta_{j}-\alpha\frac{1}{m}\sum_{i=1}^{m}(h_{\theta}(x^{(i)})-y^{(i)})x_{j}^{(i)}$

}

梯度下降的矩阵方式：(X为m*(n+1)矩阵，Y为m*1维输出向量)

$J(\theta)=\frac{1}{2}(X\theta-Y)^{T}(X\theta-Y)$

$\theta := \theta-\alpha X^{T}(X\theta-Y)$

还有些高级优化算法求 $\theta$ ，共轭梯度（PCG)，BFGS，L-BFGS等，无需手动选取 $\alpha$ 值，而且收敛速度快。

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

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。