本文介绍了机器学习中的两种基础模型——线性回归和逻辑回归。线性回归通过最小二乘法寻找最佳拟合线，而逻辑回归通过sigmoid函数将线性回归结果转换为概率，用于分类。文章还提到了优化方法，如梯度下降，并给出了Python实现逻辑回归的代码示例。
一、线性回归
线性回归无非就是训练得到线性函数的参数来回归出一个线性模型，学习《最优化方法》时中的最小二乘问题就是线性回归的问题。
关于线性回归，ng老师的视频里有讲，也可以看此博客单参数线性回归。简要说一下线性回归的原理。
假设拟合直线为h(x)=θ0+θ1*x, 记Cost Function为J(θ0,θ1)
这其实就是一个线性回归问题
订阅专栏 解锁全文
扫一扫
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
