斯坦福大学机器学习课程笔记一但变量线性回归模型
2017-07-21 19:52
393 查看
课程的第一周第二讲讲述了但变量的线性回归模型。以房屋价格预测问题为例,讲述函数的选取,代价函数的度量的最小化问题。
如上图所示,试图找一个函数将输入(房屋面积)映射到输出(房屋价格),我们首先尝试线性模型,假设该函数为
参数为:
代价函数:
目标:
对于一元线性回归模型来说,这个模型我们已经比较熟悉了,当x为一维时,这就是最小二乘法的方程,当取值变化时,代价函数与两个参数之间的关系可能为:
最小化(通常是极小化)代价函数通常采用梯度下降(Gradient descemnt)算法,该算法的主要框架为:
1.初始化(比如赋值为0)
2.不停的改变,以减小代价函数
3.直到达到我们期望的最小值
需要注意的是,当我们选取不同的初始值时,所求得的极小值通常是不同的,直观理解如下图所示:
相关文章推荐
- 斯坦福大学公开课 :机器学习课程笔记-[第1集] 机器学习的动机与应用
- 斯坦福大学机器学习课程线性回归编程作业二(多变量2)
- Coursera公开课笔记: 斯坦福大学机器学习第四课“多变量线性回归(Linear Regression with Multiple Variables)”
- 吴恩达Coursera机器学习课程笔记-单变量线性回归
- 吴恩达斯坦福大学机器学习 CS229 课程学习笔记(二)
- 斯坦福大学机器学习笔记——多变量的线性回归以及梯度下降法注意事项(内有代码)
- 斯坦福大学机器学习课程笔记:线性回归以及梯度下降
- 斯坦福大学Andrew Ng - 机器学习笔记(1) -- 单变量&多变量线性回归
- Coursera 机器学习(by Andrew Ng)课程学习笔记 Week 1——简单的线性回归模型和梯度下降
- 斯坦福大学机器学习第四课“多变量线性回归(Linear Regression with Multiple Variables)”笔记
- 斯坦福大学Andrew Ng教授《机器学习》课程的个人学习笔记
- 斯坦福大学机器学习课程学习笔记-逻辑回归
- 吴恩达斯坦福大学机器学习 CS229 课程学习笔记(一)
- 斯坦福大学机器学习课程笔记一概述
- Coursera公开课笔记: 斯坦福大学机器学习第二课“单变量线性回归(Linear regression with one variable)”
- Andrew NG机器学习课程笔记系列之——机器学习之单变量线性回归(Linear Regression with One Variable)
- Stanford机器学习课程笔记——单变量线性回归和梯度下降法
- Coursera公开课笔记: 斯坦福大学机器学习第四课“多变量线性回归(Linear Regression with Multiple Variables)”
- Coursera公开课笔记: 斯坦福大学机器学习第二课“单变量线性回归(Linear regression with one variable)”
- 机器学习-多变量的线性回归模型与实现笔记