单变量线性回归

最新推荐文章于 2024-03-21 16:33:51 发布

一尘_127

最新推荐文章于 2024-03-21 16:33:51 发布

阅读量188

点赞数

分类专栏：机器学习 ml 文章标签：线性回归梯度下降

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/weixin_37562521/article/details/88407242

版权

本文主要介绍了单变量线性回归，包括其数学表达形式、代价函数的定义及梯度下降法用于优化模型参数的过程。通过梯度下降，逐步找到使代价函数最小化的参数值，从而提高模型预测准确性。

摘要由CSDN通过智能技术生成

吴恩达机器学习课程笔记

目录

定义

单变量线性回归属于线性回归算法的一种，由于只含有一个特征/输入变量，因此称该模型为单变量线性回归模型。

数学表达形式： $\fn_phv h_\theta=\theta_0+\theta_1x$

代价函数

建模误差：真实值与模型预测值之间的差距。

为了提高模型的训练准确率，应使得代价函数最小，代价函数为: $J(\theta_{0},\theta_{1}) = \frac{1}{2m}\sum_{i=1}^{m}{(h_\theta(x^{(i)})-y^{(i)})}^2$

其中：

Hypothesis（假设）：

最低0.47元/天解锁文章

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

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。