一、多元线性回归

最新推荐文章于 2023-05-03 09:56:41 发布

小吴今天运动了吗

最新推荐文章于 2023-05-03 09:56:41 发布

阅读量423

点赞数

分类专栏：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/weixin_41628764/article/details/118121903

版权

一、原理

公式：

Hypothesis:

$h_{0}(x)=\Theta ^{T}x = \Theta _{0}x_{0}+\Theta_{1}x_{1}+...+\Theta_{n}x_{n}$

这里: $x_{0}=1$

Parameters:

$\Theta_{0},\Theta_{1},...\Theta_{n}$

Cost Function:

$J(\Theta_{0},\Theta_{1},...\Theta_{n}) = \frac{1}{2m}\sum_{i=1}^{m} (h_{0}(x^{i})-y^{(i)})^{2}$

使用的是平方误差

梯度下降：用于最小化代价函数，一般用代价函数对 $\Theta$ 求偏导获得。

Gradient descent：

Repeat{

$\Theta_{j}:=\Theta_{j}-\alpha\frac{\partial }{\partial\Theta_{j}}J(\Theta_{0},\Theta_{1},...\Theta_{n})$

}

即

Repeat{

最低0.47元/天解锁文章

小吴今天运动了吗

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
一、多元线性回归

一、原理公式：Hypothesis:这里:Parameters:Cost Function:使用的是均方差损失(MSE)梯度下降：用于最小化代价函数，一般用代价函数对求偏导获得。Gradient descent：Repeat{}即Repeat{}其中表示学习率...
复制链接

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。