多元线性回归-梯度下降法

当Y值得影响因素不是唯一的时候,采用多元线性回归模型
h_θ(x) = θ_0 + θ_1x_1 + θ_2x_2 + ...... + θ_nx_n

线性回归

Hypothesis : h_θ(x) = θ^Tx = θ_0 + θ_1x_1 + θ_2x_2 + ...... + θ_nx_n
Parameters : θ_0 , θ_1 , θ_2 , ...... ,θ_n
Cost function :
\quad\quad\quad\quad\quad J(θ_0 , θ_1 , θ_2 , ...... ,θ_n) =\frac{1}{2m}\textstyle\sum_{i=1}^{m}(h_θ(x^i)-y^i)^2
Gradient descent:(梯度下降)
Repeat {
θ_j:= θ_j- α\frac{∂}{∂θ_j}J(θ_0 , θ_1 , θ_2 , ...... ,θ_n) (j=0 ,j=1)
}(simultaneously update for every )

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

友情链接更多精彩内容