线性回归
单变量线性回归概念
模型
假设自变量x,参数w,b可以得到一个模型，单变量线性回归模型类似一个一次函数。其中w称为权重，b称为偏移值。
fw,b(x)=wx+b f_{w,b}(x) = wx + b fw,b(x)=wx+b
其中，在机器学习里经常利用矩阵运算来进行快速的处理数据。在单变量线性回归的模型中，可以将参数看成一个向量，变量中再带一个一组成一个向量，进行运算。（其中一组向量需要转置）
hθ(x)=[1x][θ0θ1] h_\theta(x) = \begin{bmatrix} 1 & x \end{bmatrix} \begin{bmatrix} \theta_0 \\ \theta_1 \end{bmatrix} hθ(x)=[1x][θ0θ1]
代价函数
根据计算得到的计算值和实际值，可以根据代价函数（Cost Function）计算出代价J(w, b)。这里的二分之一是人为添加的，为了让后面梯度下降的计算更加简洁而修饰的常数。
J(θ0,θ1)=12m∑i=1m(y^i−yi)2=12m∑i=1m(hθ(x)−yi)2 J(\theta_0, \theta_1) = \frac {1} {2m} \sum _{i=1} ^m (\hat y_i - y_i) ^2 = \frac {1} {2m} \sum _{i=1} ^m (h_\theta(x) - y_i)^2 J(θ0,θ1)=
最低0.47元/天 解锁文章
扫一扫
317
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
