线性回归的特点
是y,纵坐标的差的和的最小值
之前理解为点到线的距离最小了,这其实是正交回归
机器学习三要素
1.模型:确定假设空间
2.策略:损失函数
3.算法:求解损失函数的最小值,得出参数
所以对于线性回归
1.模型就是线性模型
2.策略一般运用极大似然估计
3.算法就是 梯度下降法或者牛顿法
通过学习完高数概率论线性代数之后,基本上对这一章还是能很清楚理解的,核心问题在于公式结果的运算上,缺少一些知识:
1.矩阵分析:矩阵微分
2.凸函数的最优求解
3.信息论的熵的知识
此外,发现在代码实现累加累乘的时候,如果用for循环,O是非常大的。这时候运用矩阵,向量计算工具库,如numpy,就会很快。
所以接下来还是要补充好矩阵分析的知识。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)