本文会讲到:
(1)另一种线性回归方法:Normal Equation;
(2)Gradient Descent与Normal Equation的优缺点;
(1)需要预先选定Learning rate;
(2)需要多次iteration;
(3)需要Feature Scaling;
因此可能会比较麻烦,这里介绍一种适用于Feature数量较少时使用的方法:Normal Equation;
当Feature数量小于100000时使用Normal Equation;
当Feature数量大于100000时使用Gradient Descent;
Normal Equation的特点:简单、方便、不需要Feature Scaling;
其中Normal Equation的公式:
![](https://img-my.csdn.net/uploads/201209/06/1346902734_3211.png)
其中
![](https://img-my.csdn.net/uploads/201209/06/1346902740_2209.png)
![](https://img-my.csdn.net/uploads/201209/06/1346902743_5518.png)
![](https://img-my.csdn.net/uploads/201209/06/1346902746_7484.png)
m为#training example;
n为#feature;
举个实际的例子: |