您的位置: 首页 > 文章 > 吴恩达机器学习课程之二【监督学习应用（线性回归，梯度下降，标准方程推导）】

吴恩达机器学习课程之二【监督学习应用（线性回归，梯度下降，标准方程推导）】

分类: 文章 • 2024-11-11 15:41:04

课程地址：http://open.163.com/movie/2008/1/B/O/M6SGF6VB4_M6SGHJ9BO.html

一、符号约定

训练样本数目 m

特征数 n

输入变量/特征 x

输出变量/目标 y

样本 (x,y)

吴恩达机器学习课程之二【监督学习应用（线性回归，梯度下降，标准方程推导）】

吴恩达机器学习课程之二【监督学习应用（线性回归，梯度下降，标准方程推导）】

二、梯度下降

1.批梯度下降

吴恩达机器学习课程之二【监督学习应用（线性回归，梯度下降，标准方程推导）】

吴恩达机器学习课程之二【监督学习应用（线性回归，梯度下降，标准方程推导）】

对于仅一组样本而言

吴恩达机器学习课程之二【监督学习应用（线性回归，梯度下降，标准方程推导）】

对多组样本

吴恩达机器学习课程之二【监督学习应用（线性回归，梯度下降，标准方程推导）】

2.随机梯度下降

每次只使用一组训练样本，用于样本数量较大的情况

吴恩达机器学习课程之二【监督学习应用（线性回归，梯度下降，标准方程推导）】

三、正规方程组

使用新定义的运算，方便推导

定义：

吴恩达机器学习课程之二【监督学习应用（线性回归，梯度下降，标准方程推导）】

吴恩达机器学习课程之二【监督学习应用（线性回归，梯度下降，标准方程推导）】

一些结论：

吴恩达机器学习课程之二【监督学习应用（线性回归，梯度下降，标准方程推导）】

问题推导：

吴恩达机器学习课程之二【监督学习应用（线性回归，梯度下降，标准方程推导）】

吴恩达机器学习课程之二【监督学习应用（线性回归，梯度下降，标准方程推导）】

吴恩达机器学习课程之二【监督学习应用（线性回归，梯度下降，标准方程推导）】

吴恩达机器学习课程之二【监督学习应用（线性回归，梯度下降，标准方程推导）】

吴恩达机器学习课程之二【监督学习应用（线性回归，梯度下降，标准方程推导）】

最终结论:

吴恩达机器学习课程之二【监督学习应用（线性回归，梯度下降，标准方程推导）】