多元线性回归中的梯度下降法![](https://i-blog.csdnimg.cn/blog_migrate/1dcfaf8e206314238b98d10a0fffea5f.png)
![](https://i-blog.csdnimg.cn/blog_migrate/86afae98a4d70b9c624289cacadba212.png)
![](https://i-blog.csdnimg.cn/blog_migrate/99eefeaba4de2174f9a3ceee18fd2346.png)
上面推导出的式子的大小是和样本数有关的,m越大,结果越大,这是不合理的,我们希望和m无关。
梯度的向量化:
由于数据的规模在不同的特征上不同,所以我们需要对数据进行归一化:
梯度下降法的调试:
在进行机器学习之前先验证所求梯度的正确性。
上面推导出的式子的大小是和样本数有关的,m越大,结果越大,这是不合理的,我们希望和m无关。
梯度的向量化:
由于数据的规模在不同的特征上不同,所以我们需要对数据进行归一化:
在进行机器学习之前先验证所求梯度的正确性。