normal equation

本文对比了梯度下降法和正规方程两种求解机器学习中参数θ的方法。梯度下降法需要选择学习率并迭代计算直至收敛,适用于特征数量较大情况;正规方程则直接解析求解,无需迭代,但在特征数量非常大时计算复杂度较高。此外,文章还讨论了当X'X不可逆时的可能原因及解决办法。

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

normal equation:
Method to solve for θ analytically.
one step to get the optimal value.

θ=(XTX)1XTy

Octave:
pinv(X'*X)*X'*y

Gradient Descent
- Need to choose α
- Needs many iterations
- Works well even when n is large
Normal Equation

  • No need to choose alpha
  • Don’t need to iteration
  • Need to compute (XTX)1
  • Slow if n is very large(beyond 104)

    What if XTX is non-invertible?

  • Redundant features
    (e.g. x1=size in feet
    x2= size in m)

  • Too many features(e.g.m<=n)
    delete some features, or use regularization.
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