线性回归 --梯度下降法与标准方程法

线性回归

简单线性回归

机器学习三要素 – 模型 策略 算法
线性回归
输入空间为 X X 输出空间为 Y
模型:假设函数 hypothesishθ=θ0+θ1x1 h y p o t h e s i s : h θ = θ 0 + θ 1 x 1

模型参数: θ0,θ1 θ 0 , θ 1

思考:如何拟合模型参数 使得假设函数不断逼近实际值?

策略1 : 梯度下降法
设置代价函数 如果代价函数不断的减小 说明模型参数在不断的逼近实际值
已知 X

  • 1
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 1
    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 1
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