![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
cs229
文章平均质量分 79
MarxFuns
随心笔记
展开
-
线性回归(Linear Regression)
cs229-Part1 符号声明: x(i)x^{(i)}:输入(input)或特征(features) y(i)y^{(i)}:输出(output)或目标(target) (x(i),y(i))(x^{(i)},y^{(i)}):训练样本(training example) {(x(i),y(i));i=1,...m}\{(x^{(i)},y^{(i)});i=1,...m\}:训练原创 2018-01-07 14:16:05 · 298 阅读 · 0 评论 -
最小二乘的概率解释(最大似然)
基于高斯函数的最大似然等价于最小二乘假设输入和目标变量之间的关系为:y(i)=θTx(i)+ε(i)y^{(i)}=\theta^Tx^{(i)}+\varepsilon^{(i)} 其中 ε(i)∼(0,δ2)\varepsilon^{(i)}\sim\mathcal N(0,\delta^2) , p(ε(i))=12π√δe−(ε(i))22δ2p(\varepsilon^{(i)原创 2018-01-07 16:43:58 · 356 阅读 · 0 评论