之前在 机器学习算法数学基础之 —— 线性代数篇 中,总结过求解线性回归的两种方法:
- 最小二乘法
- 梯度下降法
这篇文章重点总结一下梯度下降法中的一些细节和需要注意的地方。
梯度下降法是什么
假设有一个估计函数:,
其代价函数(cost function)为:![]()
这个代价函数是 x(i) 的估计值与真实值 y(i) 的差的平方和,前面乘上 1/2,是因为在求导的时候,这个系数就不见了。
梯度下降法的流程:
1)首先对 θ 赋值,这个值可以是随机的,也可以让 θ 是
之前在 机器学习算法数学基础之 —— 线性代数篇 中,总结过求解线性回归的两种方法:
这篇文章重点总结一下梯度下降法中的一些细节和需要注意的地方。
假设有一个估计函数:,
其代价函数(cost function)为:![]()
这个代价函数是 x(i) 的估计值与真实值 y(i) 的差的平方和,前面乘上 1/2,是因为在求导的时候,这个系数就不见了。
梯度下降法的流程:
1)首先对 θ 赋值,这个值可以是随机的,也可以让 θ 是