单变量线性回归的求解思路基于最小二乘法,假设我们有一批数据M,其中M是包含有一个自变量和其对应因变量的一系列数据点,一个数据点可以表示为s(Xi,Yi),则单变量线性回归要求解的公式为找到一条直线Y=AX+B,使得:
最小,上式也称为线性回归的损失函数。
拟合的直线通常有两个参数,我们通过最小二乘法写成的损失函数可以通过对参数1和参数2求偏导,根据梯度下降法来对其进行更新。
则
通过对此迭代就可以是损失函数最小的两个参数。
单变量线性回归的求解思路基于最小二乘法,假设我们有一批数据M,其中M是包含有一个自变量和其对应因变量的一系列数据点,一个数据点可以表示为s(Xi,Yi),则单变量线性回归要求解的公式为找到一条直线Y=AX+B,使得:
最小,上式也称为线性回归的损失函数。
拟合的直线通常有两个参数,我们通过最小二乘法写成的损失函数可以通过对参数1和参数2求偏导,根据梯度下降法来对其进行更新。
则
通过对此迭代就可以是损失函数最小的两个参数。