单变量
1.拟合函数形式：一元线性方程，一条直线。
需要求两个参数，使用梯度下降的方法，使直线h最拟合数据集的点。
如图：
2.数据形式如下：
这是一部分训练数据。
3.损失函数为：
我们需要最小化这个损失函数。
4.对两个参数分别求偏导：
5.实用矩阵形式处理h函数。
6.求偏导之后，形式转换：（多变量公式也是这样的）
这篇博客介绍了吴恩达机器学习课程中的一元和多元线性回归。通过梯度下降法求解直线最佳拟合参数，详细讲解了损失函数、参数求导及矩阵形式的表示。文中还展示了如何从文件读取数据、处理数据维度，并实现梯度下降算法来优化损失函数，最终输出拟合参数和成本值。
最低0.47元/天 解锁文章
扫一扫
3357
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
