多元线性回归中的梯度下降法

博客围绕线性回归展开,阐述其目标是使特定式子尽可能小,将目标转化后对其求导,发现梯度与样本数量有关不合理,于是为每一项除以 m 使梯度与 m 无关,还提到有时会取特定系数,该系数影响不大。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

线性回归中,目标是使:
在这里插入图片描述
尽可能小。
其中
在这里插入图片描述
则,目标就转化为,使
在这里插入图片描述
尽可能小。
对 J(上式)在每一点 theta 求导
在这里插入图片描述其中
在这里插入图片描述
由上面的求导式(即梯度)可看出,每一行都是 m 项求和得来的,即梯度与样本数量有关,这显然是不合理的。而我们希望我们求出的梯度是和 m 无关的,所以为每一项除以 m
在这里插入图片描述此时,目标又变为,使
在这里插入图片描述
尽可能小。
此处,也就是
在这里插入图片描述
有时,我们取
在这里插入图片描述
1/2 与 求导所得的 2 可以约掉,这个系数影响不大。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值