1.最小二乘法
最小二乘法也叫做损失最小化学习法,适用于较小规模数据的学习,有过拟合的弱点。
梯度下降法是适用于大规模数据学习的算法,该方法的收敛速度依赖于梯度下降的步幅及收敛结果的判断方法。
2.带有约束条件的最小二乘法
原因:当参数较多时,求解参数及学习得到的函数的输出值的过程耗费大量的时间
优点:省时、防止过拟合
(1)部分空间约束的最小二乘法
只使用参数空间的一部分,保证参数θ不偏移到值域R(P)范围之外,通过正交投影矩阵P实现约束。
如果使用主成分分析法求解该部分空间,则该方法为主成分回归PCA。
约束条件:Pθ=θ
假设只有两个参数,约束后参数空间如下图所示:
问题:P的设置有很大的自由度,实际操作有较大难度。