线性回归AndrewNg笔记
来源:互联网 发布:31周胎儿发育标准数据 编辑:程序博客网 时间:2024/06/03 19:19
单变量回归(包含假设、参数、损失函数、目标函数)
梯度下降法
迭代次数
迭代次数:
过少可能使得算法还没有收敛就停止,
过多导致资源(时间等)的浪费;
如果过小,使得每次迭代时theta的变化量过小,从而算法收敛过慢,换言之需要增加迭代次数使得算法收敛;
如果过大,使得每次迭代时theta的变化量过大,可能在变化(迭代)过程中越过最优(收敛)点。
梯度下降:特征量即使很大,也能比较良好的进行计算,但是需要选择学习速率α和多次迭代
正规方程:不用选择学习速率(当然也不需要进行变量的缩放),也不用进行迭代,但是当特征量很多的时候,计算就很慢,求nxn的矩阵的逆矩阵,时间复杂度相当于n^3
按照andrew Ng的话,如果小于10000,一般现在正规方程,否则选择梯度下降.
[1].Andrew NG. CS229 Lecture Note
0 0
- 线性回归AndrewNg笔记
- 机器学习之线性回归-AndrewNg学习笔记
- AndrewNg - 线性回归【1】梯度下降
- AndrewNg - 线性回归【2】正规方程组
- AndrewNG机器学习听课笔记(1 )——线性回归(linear regression)
- AndrewNG机器学习听课笔记(1 )——线性回归(linear regression)
- 线性回归学习笔记
- ISLR线性回归笔记
- 线性回归笔记
- 线性回归学习笔记
- 线性回归--最小二乘法笔记
- 线性回归随手笔记
- 线性回归学习笔记
- 【线性回归笔记】局部加权回归
- [笔记]线性回归&梯度下降
- 简单线性回归分析【笔记】
- [笔记]线性回归&梯度下降
- 【学习笔记1】线性回归
- 软件架构师书籍
- 处理不定宽度的标签cell
- 【手册】字符串函数
- listview添加完headerView后position纠正
- opencv之查找轮廓---cvFindContours && cvDrawCountours 用法及例子
- 线性回归AndrewNg笔记
- solr5.3 如何配置使用UUID解决id覆盖问题
- 带图标工具栏的创建以及提示功能的添加
- 借助于git和github进行项目开发和管理
- Android中的XML drawable
- SVN在线安装
- LeetCode 77. Combinations
- 前端不为人知的一面——前端冷知识集锦
- iOS AttributedString