斯坦福吴恩达CS229机器学习 P4牛顿方法

逻辑回归(牛顿法)
指数分不族
广义线性模型;将逻辑回归和最小二乘模型联系在一起。
极大似然估计模型
(1)初始化thta,参数可初始化为0;
(2) delta=f(thta0)/f’(thta0)
thta1=thta0-delta=thta0-f(thta0)/f’(thta0);
牛顿方法的一次迭代:
thta(t+1)=thta(t)-delta=thta(t)-f(thta(t))/f’(thta(t));
thta(t+1)=thta(t)-delta=thta(t)-l’(thta(t))/l’’(thta(t));
使l(thta)最大化,l’(thta)=0;
找到一个点,使其导数为0;找到局部最优解;
牛顿法是一个收敛速度非常快的方法。(二次收敛):误差会变成之前的平方。

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