我们把所有的参数构成一个向量,用θ表示,
所有特征组成一个矩阵,用X表示,
所有标签组成一个向量,用Y来表示,所以有:
既然有了等式,我们其实可以直接把θ接出来:
可见,参数矩阵其实是可以直接求出来的,
乍一看不知比机器学习高到哪里去,但其实它也有不少缺点:
1.当特征量是十万,百万的数量级下,使用标准方程会很慢.
2.它不方便解决逻辑回归(分类)问题.
我们把所有的参数构成一个向量,用θ表示,
所有特征组成一个矩阵,用X表示,
所有标签组成一个向量,用Y来表示,所以有:
既然有了等式,我们其实可以直接把θ接出来:
可见,参数矩阵其实是可以直接求出来的,
乍一看不知比机器学习高到哪里去,但其实它也有不少缺点:
1.当特征量是十万,百万的数量级下,使用标准方程会很慢.
2.它不方便解决逻辑回归(分类)问题.