[机器学习]监督学习应用.梯度下降

本文介绍了机器学习中基本的概念与符号,包括训练样本、特征变量及目标变量等,并详细阐述了假设函数如何应用于预测问题。文中还深入探讨了线性回归模型及其参数优化方法——梯度下降算法。

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

Notation:

1.m : # training examples
2.x : input variables \ features
3.y : output variables \”target”variables
4.(x,y) : training example
5.ith training example : (x(i),y(i))

Flow Path

training setlearning algorithmh(hypothesis)

Hyposthesis Function

New Living Area Hypothesis Estimate Price

Linar function(regression problems)

h(θ)=hθ(X)=θ0+θ1X1+θ2X2X1 = size X2 = #bedrooms X0=1

hθ(X)=Nk=0θkXk(θi is called parameters)

θTx(n = #featrues)

minθ=12mi=1(hθ(x(i))y(i))2J(θ)

梯度下降公式推导

这里写图片描述

这里写图片描述
这里写图片描述

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