注:用简单线性回归来讲解最小二乘法的应用,简单线性回归概念可看以前内容:线性回归基本概念详解
最小二乘法
最小二乘法是一种数学优化技术。当给了特征变量后,使用最小二乘法可以方便地求出未知的输出数据集,并使得这些输出数据集和实际数据集之间的误差的平方和最小。
简单线性回归、假设函数
线性回归中的最小二乘法算法
最小二乘法就是使得h(xi)算出的估计值y与训练用例数据集(xi, yi)中的观察值yi之间的离差平方和达到最小值时求得的(θ0,θ1)
图解最小二乘法算法
推导θ0
推导θ1
用上面求出的(θ_0,θ_1)带入假设函数(x),就得到线性回归的拟合度最高的假设函数:
h(xi)=θ_0 + θ_1Xi,i=1,2,……,n
如果有一个验证训练用例(X, Y),然后将x带入h(xi)中,求得的估计值y=h(xi)就是最接近观察值Y的数值。
以上就是用最小二乘法算法求解线性回归的最优假设函数(模型函数)的详细过程,enjoy it~
(end)