机器学习初览2(单变量线性回归与代价函数)
来源:互联网 发布:如何手动进行sql注入 编辑:程序博客网 时间:2024/06/07 23:22
单变量线性回归与代价函数
1.单变量线性回归
上一篇里面写到了无监督学习的方式之一回归,这里来研究下回归的最简单形式-———单变量回归
单变量回归:顾名思义,只有一个特征(输入),可以理解为一次函数(这个上过学的应该都知道吧),比如y=kx+b;
这里y就是标签(输出),x就是特征(输入),关系可以很直观的反应出来,但是,一次函数并不能保证所有的标签都准确的落在函数上,这就出现了预测值与实际值的误差,这个概念可以参考下马原对于价格的解释(商品的价格围绕价值上下波动)。这里展开来讨论,比如有3个点(x1,y1),(x2,y2),(x3,y3)(假设3点不共线).我们可以尝试用不同的k去带入,但是预测值与实际值肯定会存在误差,那么怎么求出误差呢。
这里引入第二个概念,代价函数。
2.代价函数
这个地方最好先把概率论的方差部分看一遍。比较普遍的代价函数的计算公式如下
方法为:实际值与预测值的和的平方,再取二分之一,得到这一组的代价函数。
下一步就是要求出最小的代价函数,来使误差最小。梯度下降,下一篇再写吧
0 0
- 机器学习初览2(单变量线性回归与代价函数)
- 机器学习(2)——单变量线性回归
- 机器学习笔记(二) 单变量线性回归
- Machine Learning第一讲[单变量线性回归] --(一)模型和代价函数
- Machine Learning(Stanford)| 斯坦福大学机器学习笔记--第一周(2.线性回归,代价函数)
- 机器学习实战:单变量线性回归的实现
- 机器学习-1 概念和单变量线性回归
- 机器学习实战:单变量线性回归的实现
- 机器学习入门——单变量线性回归
- Coursera2014 机器学习第一周 单变量线性回归
- 斯坦福大学机器学习第二课 “单变量线性回归”
- 机器学习:单变量线性回归及梯度下降
- 机器学习之——单变量线性回归
- 机器学习之——单变量线性回归
- [机器学习笔记] Note2--单变量线性回归
- Andrew Ng机器学习之二 单变量线性回归
- COURSERA机器学习笔记——单变量线性回归
- 机器学习入门(3)--(单变量)线性回归算法
- 一个可以自动调用OnSaveInstanceState保存并恢复数据的框架
- android 动态布局
- 蓝桥杯-入门训练-A+B问题
- 一个初级程序员的感想
- A. Help Vasilisa the Wise 2 codeforces-problem-143A
- 机器学习初览2(单变量线性回归与代价函数)
- Android磨砂效果
- 第三课C++--之六 static
- [待验证]ython程序转换为exe程序,py2exe的使用方法
- 52个HTML的标签总结
- git常用命令
- “cannot resolve symbol R” in Android Studio
- Django 官方文档write your first Django app --6
- 《Python高效开发实战》实战演练——内置Web服务器4