mllib之高数篇

本文探讨了机器学习中如何利用最小二乘法解决超定方程组的问题,解释了列满秩的概念,并指出满秩矩阵在可逆性中的重要性。此外,还介绍了损失函数在衡量模型误差中的作用。文章进一步讨论了高斯分布在线性回归中的应用,阐述了正态分布的特性及其在统计分析中的意义。
摘要由CSDN通过智能技术生成


机器学习的目标是:对于给定的一个训练数据集,通过不断地分析和学习产生一个联系属性集合和类标的分类函数(Classification Function)或预测函数(Prediction Function),这个函数称为分类模型(Classification Model)或预测模型(Prediction Model).通过这个模型可以对输入对象的特征向量预测或对对象的类标进行分类。


超定方程组:

        方程个数大于未知量个数的方程组,不存在解(原因是条件严格,导致解不存在)。

      Ra=y,R为n*m阶,如果R列满秩,且n>m,则方程组没有精确解,此时方程组为超定方程组。

                              

超定方程组的解:

       超定方程组常用最小二乘法求解,在无法满足给定条件的情况下,求最接近的解。也就是

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