【线性回归及基础优化算法】

本文深入探讨了线性回归模型,从简单问题引入,阐述了线性模型的构建、平方损失函数以及训练数据的重要性。通过添加偏差项,给出了线性回归的显示解,并指出线性回归可以视为单层神经网络。此外,文章提及基础优化算法,尤其是梯度下降在深度学习中的应用,但未展开详细讨论。

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

线性回归

简单问题引出线性模型
  从一个房价预测的问题 引出线性回归问题,如果我们做出以下假设:

  • 假设1:影响房价的关键因素是卧室个数,卫生间个数,
    和居住面积,记为 x 1 , x 2 , x 3 x_1,x_2,x_3 x1,x2,x3
  • 假设2:成交价是关键因素的加权和
    y = w 1 x 1 + w 2 x 2 + w 3 x 3 + b y=w_1x_1+w_2x_2+w_3x_3+b y=w1x1+w2x2+w3x3+b
    权重和偏差的实际值在后面决定
    那么这就是一个简单的线性模型

一般的线性模型

  • 给定n维输入 x = [ x 1 , x 2 , . . . , x n ] x=[x_1,x_2,...,x_n] x=[x1,x2,...,xn]
    ·线性模型有一个 n n n维权重和一个标量偏差
    w = [ w 1 , w 2 , , w n ] , b w=[w_1,w_2,,w_n],b w=[w1,w2,,wn],b
    ·输出是输入的加权和
    y = w 1 x 1 + w 2 x 2 + . . . + w n x n + b y=w_1x_1+w_2x_2+...+w_nx_n+b y=w1x1+w2
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

打赏作者

菜鸟炼丹师

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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