pytorch学习——基本优化思想与最小二乘法

本文详细介绍了机器学习建模的基本步骤,包括提出线性回归等模型,设定平方误差损失函数,以及使用PyTorch的lstsq函数进行最小二乘法求解。重点展示了如何利用torch.lstsq函数及其QR分解结果进行优化。

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

一、机器学习建模一般流程

  • Step 1:提出基本模型

例如线性回归、神经网络模型等。

  • Step 2:确定损失函数和目标函数

围绕建模的目标,我们需要合理设置损失函数,并在此基础之上设置目标函数,当然,在很多情况下,这二者是相同的。例如平方误差损失(SSE)等。

  • Step 3:根据目标函数特性,选择优化方法,求解目标函数
    例如最小二乘法等。

二、最小二乘法

pytorch可以直接调用**torch.lstsq(B,A)**来实现。
在这里插入图片描述

在这里插入图片描述

对于lstsq函数来说,第一个参数是因变量张量,第二个参数是自变量张量,并且同时返回结果还包括QR矩阵分解的结果。

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