CS229笔记之单变量线性回归

最新推荐文章于 2025-04-12 18:32:52 发布

原创最新推荐文章于 2025-04-12 18:32:52 发布 · 234 阅读

·

0

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

#吴恩达 #cs229 #梯度下降法

Machine Learning 专栏收录该内容

4 篇文章

订阅专栏

本文探讨了监督学习的概念，特别是在单变量线性回归中如何利用已知数据集进行预测。介绍了假设函数、参数、代价函数及目标，并强调了平方误差函数在大多数线性回归中的合理性。

监督学习：data set每一个样本都有相应的正确答案，再根据样本做预测

SVM:处理无限多特征

单变量线性回归：

①Hypothesis:

$\large h_{\theta }=\theta _{0}+\theta _{1}x$

②Parameters：

$\large \theta _{0},\theta _{1}$

③Cost Function：

$\large J(\theta _{0},\theta _{0})=\frac{1}{2m}\sum^m_{i=1}(h_\theta(x^{(i)})-y^{(i)})^2$

④Goal：

$\large minimize_{\theta_0,\theta_1}J(\theta_0,\theta_1)$

对于大多数线性回归，平方误差函数是合理的
cost function 每个点对应假设函数的斜率方程

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

量子象限 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

实付元

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。