SuperFeng67602

求一个函数的参数，例如下面这个方程，我们一般都会用梯度下降法去求。 Equation）去求参数。 那么问题来了，什么是正规方程呢？这个方程长什么样子，就让我们来见识一下。 其中 X 是一个矩阵，这个矩阵的每一行都是一组特征值，y 是数据集结果的向量。 就代表常数项。在这个例子中…

首先我们应该了解一下多元线性回归。相比于单变量线性回归，该函数拥有多个变量值，那么他所拥有的参数就不仅仅是一个或者两个，而是多个。 如果你想预测房价，现在有两个变量 x1 和 x2 来控制房子的价格。 x1 为房子的大小，范围在 0 到 2000，x2 为房子中卧室的数目，范围…

之前我们已经学过了线性回归、代价函数和梯度下降，但是他们就像一个人的胳膊和腿，只有组合在一起才会成为一个「完整的人」，这个「完整的人」就是一个机器学习算法，让我们一起来学习第一个机器学习算法吧。 这个算法也叫做「Batch」梯度下降（「Batch」 Gradient Desce…

梯度下降（Gradient descent）是一个用来求代价函数最小值的算法。梯度下降算法的思想就是首先从一组参数值（θ0, θ1）开始，不断地去尝试各种（θ0, θ1），直到使得代价函数 J(θ0, θ1) 最小为止。以下图代价函数为例，从不同起始点开始，到达的局部最优位置不…

现在我有一些数据集，就像左图中的叉。 其中 θ0 和 θ1 都是未知量。现在关键就是如何求 θ0 和 θ1 这两个参数。θ0 和 θ1 可以取任意值，怎么取值才能让这条直线最佳地拟合这些数据呢？这就是代价函数登场的时刻了。 这就是一次函数的代价函数 J(θ0, θ1)。看到这个…