机器学习理论与实践-01-梯度下降法与损失函数

本文介绍了机器学习中基础的梯度下降法和损失函数,特别是平方误差函数作为损失函数,用于衡量预测值的准确性。通过梯度下降法优化参数,最小化损失函数。此外,还探讨了在多元线性回归中如何处理复杂情况,包括特征缩放、迭代曲线分析以及特征选择与组合,以适应多变量场景,甚至引入多项式递归形式的假设。
摘要由CSDN通过智能技术生成

0.

视频资料:吴恩达机器学习课程

https://www.coursera.org/learn/machine-learning/lecture/db3jS/model-representation

 

1.损失函数与梯度下降法

损失函数:平方误差函数,用来衡量h(x)的准确性

梯度下降法,不断更新学习参数,使损失函数不断变小,直至最小

两者结合:应用梯度下降法以最小化平方误差函数

 

2.多元线性回归

考虑更加复杂的状况,并针对多变量的情况对梯度下降法进行分析

①特征缩放,为了更好、更快速的迭代求解

②利用迭代曲线观察梯度下降法的工作情况

③对于给出的特征

  • 3
    点赞
  • 10
    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