机器学习笔记之(五)最小二乘法中参数解析解的求解过程

最新推荐文章于 2024-07-12 14:05:04 发布

alwaysRememberrr

最新推荐文章于 2024-07-12 14:05:04 发布

阅读量7k

点赞数 1

分类专栏：机器学习基础笔记文章标签：机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/u014046022/article/details/78877369

版权

上篇文章讲到用极大似然估计去解释最小二乘法。这篇就讲一下最小二乘法中 $\theta$ 的解析解求的求解过程

求解过程

假设我们现在有M个N维的样本，我们可以将所有的样本组成一个样本矩阵 $X$ ,那么 $X$ 的每一行对应一个样本，共M行，每一列代表对应样本的一个特征，为了表达方便我们设有一个额外的一维常数项，全为1。

目标函数:

J (θ) = 1 2 \sum i = 1 m (h θ (x (i)) - y (i)) 2 = 1 2 (X θ - Y) T (

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。