DataWhale基础算法作业一:线性回归
学习任务
1.线性回归损失函数的极大似然推导:西瓜书公式3.4除了用最小二乘法以外,怎么用极大似然推得?
2.一元线性回归的参数求解公式推导:西瓜书公式3.7和3.8怎么推来的?
3.多元线性回归的参数求解公式推导:西瓜书公式3.10和3.11怎么推来的?
4.线性回归损失函数的最优化算法:什么是批量梯度下降、随机梯度下降、小批量梯度下降?
线性回归损失函数的推导(MLE)及参数求解
线性回归损失函数的最优化算法——梯度下降法
梯度下降的方式有三种,分别是:批量梯度下降法BGD、随机梯度下降发SGD、小批量梯度下降发MBGD。
什么是梯度下降法?
https://blog.csdn.net/walilk/article/details/50978864
https://www.cnblogs.com/lliuye/p/9451903.html
简述:
1.批量梯度下降法:在更新每一参数时都使用所有的样本来进行更新。
优点:全局最优解;易于并行运算。
缺点:耗时
2.小批量梯度下降法:在更新每一参数时都使用一部分样本来进行更新。
优点:易于并行运算;不会慢太多。
3.随机梯度下降法:更新每一参数时仅使用一个样本来进行更新。
优点:练速度快
缺点:准确度下降,不是全局最优;不易于并行实现。