线性回归--正规方程Normal Equation
2017-04-01 16:54
1461 查看
正规方程 Normal Equation
在线性回归中,为了求得参数的最优值,一般采用梯度下降和本文将要介绍的正规方程(normal
equation)。相比较梯度下降采用多次迭代逼近的方式,normal equation采用矩阵运算可以直接求解出参数
。先介绍下什么是normal equation,假设一个数据集X有m个样本,n个特征。则假设函数为:
,数据集X的特征向量表示为:
表示第i个训练样本,
表示第i个训练样本的第j个特征。之所以在X中加了第一列全为1,是为了让
若希望假设函数能够拟合Y,则
。又因为
,所以可以通过矩阵运算求出参数
。
熟悉线性代数的同学应该知道怎么求出参数
,但是前提是矩阵X存在逆矩阵
。但只有方阵才有可能存在逆矩阵(不熟悉定理的同学建议去补补线性代数),因此可以通过左乘
使等式变成
,因此
,有同学可能会有疑问
不一定存在啊,确实是,但是
极少不存在,后面会介绍
不存在的处理方法,先别着急。现在你只需要明白为什么
就可以了,并且记住。
介绍完normal equation求解参数
,我们已经知道了两种求解参数
的方法,normal
equation和梯度下降,现在来对比下这两种方法的优缺点以及什么场景选择什么方法。具体见下表吧:
回到上面说的
不一定存在,这种情况是极少存在的。如果
不可逆了,一般要考虑一下两者情况:
(1) 移除冗余特征,一些特征存在线性依赖。
(2) 特征太多时,要删除一些特征。例如(m<n),对于小样本数据使用正则化。
相关文章推荐
- 关于线性回归:梯度下降和正规方程(gradient descend、normal equation)
- 正规方程 Normal Equation
- 机器学习-线性回归-正规方程
- 机器学习_线性回归,梯度下降算法与正规方程
- 机器学习(四)正规方程求解线性回归问题、正规方法与梯度法的优劣
- 从零开始-Machine Learning学习笔记(3)-线性回归中的特征缩放与正规方程
- 机器学习02线性回归、多项式回归、正规方程
- 正规方程 Normal Equation
- 机器学习——线性回归中正规方程组的推导
- 机器学习:用正规方程法求解线性回归
- Linear Regression(线性回归)(二)—正规方程(normal equations)
- Matlab梯度下降及正规方程实现多变量的线性回归
- tensorflow 实现 正规方程求解线性回归
- 【Stanford Machine Learning Open Course】3. 线性回归问题两种解法:正规方程组解法 & 梯度下降法
- Linear regression with multiple variables(多特征的线型回归)算法实例_梯度下降解法(Gradient DesentMulti)以及正规方程解法(Normal Equation)
- 机器学习——线性回归(梯度下降和正规方程)
- 机器学习--吴恩达(线性回归,梯度下降,正规方程法)
- 正规方程 Normal Equation
- AndrewNg - 线性回归【2】正规方程组
- 线性规划、梯度下降、正规方程组——斯坦福ML公开课笔记1-2