多元变量线性回归
1.多维特征:
2.多元梯度下降:
代价函数:(目标与单变量一致,要找出使代价函数最小的一系列参数)
梯度下降算法:
梯度下降算法——特征缩放:
除了固定以外,
的值都要变成[-1,1]范围左右之间的取值,不仅仅是[-1,1],可以在该范围内波动,但是不要幅度太大。
(平均值指的是训练集中不同组别的同一特征值的平均值)
梯度下降算法——学习率
观测算法收敛的现象:可以绘制迭代次数与代价函数的的图表;也可以将代价函数的变化与某个阈(如0.001)值进行比较。
根据不同的情况,建立不同的模型
3.正规方程
这样求出来的?向量就是最优解,即该?向量中的n个?值为使得代价函数最小的一系列最优值。
3.向量化
梯度下降回归计算:
等价换算为:把 ?看做一个向量,然后用 ?-? 乘以某个别的向量来更新 ?。