深度学习3线性回归,逻辑回归
来源:互联网 发布:淘宝试用平台哪个最好 编辑:程序博客网 时间:2024/06/04 19:17
为什么采用平方和作为错误估计函数,不是不是绝对值或者4次方之类。
假设根据特征的预测结果跟实际结果之间有误差,误差为,那么真实值跟预测值之间有如下关系:
这个i指的是每一个训练数据。
对于误差,前面提到过图像产生的误差,根据中心极限定理,一般的误差服从正态分布。
假设误差服从,则
即:
上式是θ是参数,是y在x下的条件概率。
这个也就转化成了,我们已经知道了试验结果,就是知道了一个样本的结果概率,我们希望的就是这些概率值越大越好,那也就是概率积,也就是求最大似然估计,就是求概率积最大的时候那个参数θ。即求:
最大时候的θ
对于求这个我们一般取对数,即:
这样,式子里面含有了,也就是这个越小,越大,也就是最小的时候,最大。这样也就说明了为什么采用平方和的原因。
下面讲的是局部加权线性回归。
即:
x是要预测的特征,也就是样本离x越近,则权重越大,越远,权重越小,具体没有更深入理解。
0 0
- 深度学习3线性回归,逻辑回归
- 深度学习1-线性回归,逻辑回归
- 深度学习2线性回归,逻辑回归
- 深度学习4线性回归,逻辑回归
- 一元线性回归,多元线性回归、逻辑回归概念学习
- 机器学习week1-3笔记:线性回归、逻辑回归
- 机器学习--线性回归、逻辑回归
- 对线性回归、逻辑回归、各种回归的概念学习
- 对线性回归、逻辑回归、各种回归的概念学习
- 对线性回归、逻辑回归、各种回归的概念学习
- 对线性回归、逻辑回归、各种回归的概念学习
- 对线性回归、逻辑回归、各种回归的概念学习
- 对线性回归、逻辑回归、各种回归的概念学习
- 对线性回归、逻辑回归、各种回归的概念学习
- 对线性回归、逻辑回归、各种回归的概念学习
- 对线性回归、逻辑回归、各种回归的概念学习
- 对线性回归、逻辑回归、各种回归的概念学习
- 对线性回归、逻辑回归、各种回归的概念学习
- 特征学习2
- SIFT算法
- CUDA的学习
- 深度学习1-线性回归,逻辑回归
- 深度学习2线性回归,逻辑回归
- 深度学习3线性回归,逻辑回归
- 摘录 操作系统
- structure from motion
- 深度学习4线性回归,逻辑回归
- 深度学习5牛顿法
- 深度学习6一般线性模型
- 深度学习7softmax回归
- 换电脑带来的问题
- HTML学习总结