鱼蛋蛋哥

模型 梯度下降算法 对于线性回归，只有一个局部最优解，也就是全局最优解。 使用梯度下降算法，只需要求出一个局部最优解即可。 梯度下降求线性回归 令，则

s

线性回归 介绍 为了防止过度拟合，正则化是一种不错的思路。能够使得获得的边界函数更加平滑。更好的模拟现实数据，而非训练样本。 方法 可以说，regularization是添加惩罚，使得参数接近于零，这里1进行regularization。 正规化后的代价函数。则该代价函数梯度见图一中（1-1）。 对于使用梯度下降算法，其梯度的矢量表达见图一中（1-2）。 对于

问题描述 现使用在Andrew-ng教程上的房价与房间面积的例子。 假设房价与房间面积之间存在着线性关系。 在实际的预测中，由于不可能找到所有影响房价的因素，因此无法完美准确的预测房价与房子大小的关系。我们勉为其难，只需要找到一个最近似的关系，所以只要把其他因素都看成是一些与房子大小无关的小噪声就好了。于是就得出：，其中的就是一些与房子大小无关的小噪声，可以用随机变量E来表示。这样就得到了：

1.模型介绍 2.BP算法 3.实现matlab代码 见网盘:http://pan.baidu.com/s/1hqjcZru http://pan.baidu.com/s/1dDIuX6h

欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦： Markdown和扩展Markdown简洁的语法 代码块高亮 图片链接和图片上传 LaTex数学公式 UML序列图和流程图 离线写博客 导入导出Markdown文件 丰富的快捷键 快捷键 加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl