机器学习线性回归算法实验报告_机器学习之线性回归

本文深入探讨了线性回归的数学定义、解析解、损失函数及梯度下降。讨论了欠拟合与过拟合,重点阐述了L1和L2正则化的特性,包括L1正则化导致的稀疏解和变量选择,以及L2正则化对异常值的敏感性。最后,强调了线性回归中处理噪声、共线性和数据分布的重要性。
摘要由CSDN通过智能技术生成

线性回归的数学定义

126de5b555b77e36da92b9096efa58a2.png

线性回归的数学定义(矩阵表达)

b6be987b4481655c26626a60b7c02d7e.png
da0b7da4bc3a3b8f95cc46123aca8b77.png

线性回归解析解的推导

0cc25bd67deb60036b09d42cfa2892c9.png

线性回归损失函数的梯度

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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