机器学习03-多元梯度下降法、特征和多项式回归

在这里插入图片描述

n 特征的数量
x i x^i xi为第i个值
x j i x_j^i xji为第j个特征的第i个值

假设函数

在这里插入图片描述

多元梯度下降法

在这里插入图片描述

对比

在这里插入图片描述
在假设中,设 x 0 x_0 x0 = 1, x 0 i x_0^i x0i = 1,因此梯度下降法是多元梯度下降法的一般形式。

特征缩放

在这里插入图片描述
如左图, x 1 ∈ x_1\in x1 (0,2000), x 2 ∈ x_2\in x2 (0,5) 得到的图形是极为细长的椭圆,梯度下降的过程中极为缓慢且来回震荡需要更多的时间。
因此,选择特征缩放使特征的值的范围更为接近,得到的图像更“圆”,且梯度下降算法能够更快的收敛。

特征范围不要太大,也不要太小
在这里插入图片描述

代价函数随迭代步数增加的变化曲线

在这里插入图片描述

学习率

在这里插入图片描述

特征和多项式回归

以房价预测为例
在这里插入图片描述
这里不使用二次多项是因为房价不会因为size增大而下降,因此选择三次多项式

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值