单变量的推导
yi^=f(xi)=ωxi+b
其中损失函数可以是:
L(f(xi))=(yi−yi^)2
,这里的损失函数可以是任意的,什么形式都可以。其中
yi^
就是通过上式估计出来的估计值 。因为函数
f(xi)
就是
ω
和
b
的函数,因为
一般化的推导
现在的变量有n个,已知矩阵数据为
Xm∗n
X=⎡⎣⎢⎢⎢⎢x11x21⋮xm1x12x22⋮xm2⋯⋯⋱⋯x1nx2n⋮xmn⎤⎦⎥⎥⎥⎥
标签数据,即真实结果Y为 Y=[y1y2y3⋯yn]
参数矩阵为 θn∗1
θ=⎡⎣⎢⎢⎢⎢θ1θ2⋯θn⎤⎦⎥⎥⎥⎥
通过矩阵表示出模型 hθ(x)=Xθ
损失函数为 L(θ)=(Xθ−Y)2
也有人在前面加个系数,主要是为了求导的时候和2省去,即: L(θ)=1/2(Xθ−Y)2
最后求导即可,只不过这个地方是矩阵求导。