【Coursera Machine Learning】 Week2 学习笔记
来源:互联网 发布:快手上的淘宝优惠群 编辑:程序博客网 时间:2024/05/18 20:31
四、多变量线性回归(Linear Regression with Multiple Variables)
4.1 多变量线性回归模型
(1)
设定
(2)
(3)
4.2 多变量线性回归(Gradient Descent For Multiple Variables)
跟单变量线性回归类似:
简化得:
4.3 特征缩放(Feature Scaling)
1、特征缩放:如果有多个变量的值在一个相近的范围内,那么我们可以将它们缩放在一个更小的范围内,将使得梯度下降算法更快地收敛。
2、特征缩放的方法:
2、例子
左边比右边需要更多的步数来到达最低点。
3、通常情况下,我们进行特征缩放的时候,尝试将所有特征的尺度都尽量缩放在-1到1之间。如果不在-1到1之间也是可以,并没有明确的要求,但不要太大或者太小了。
4.4 均值归一化(mean normalization)
均值归一化是数值一般化(Feature Normalization)的另一种方式,原理和作用跟特征缩放一致。
4.5 学习率α
如果我们的学习率
如果学习率
所以,梯度下降算法的每次迭代收到学习率的影响,如果学习率
4.6 多项式回归(Polynomial Regression)
线性回归并不适用于所有数据,有时候我们需要曲线来适应我们的数据。
假如有一个三次方模型
这个时候特征缩放就很有必要了。
五、正规方程(Normal Equation)
5.1 正规方程
对于方程
求解结果为
5.2 梯度下降与正规方程比较
0 0
- coursera Machine Learning Week2 学习笔记
- Coursera Machine Learning Week2 学习笔记
- 【Coursera Machine Learning】 Week2 学习笔记
- COURSERA Machine Learning WEEK1&&WEEK2
- coursera Machine Learning Week 1学习笔记
- coursera Machine Learning Week3-1 学习笔记
- coursera Machine Learning Week3-2 学习笔记
- Coursera Machine Learning 学习笔记(一)
- Coursera Machine Learning 学习笔记(二)
- Coursera Machine Learning 学习笔记(三)
- Coursera Machine Learning 学习笔记(四)
- Coursera Machine Learning 学习笔记(五)
- Coursera Machine Learning 学习笔记(六)
- Coursera Machine Learning 学习笔记(七)
- Coursera Machine Learning 学习笔记(八)
- Coursera Machine Learning 学习笔记(九)
- Coursera Machine Learning 学习笔记(十)
- Coursera Machine Learning 学习笔记(十一)
- android UI 五大布局
- SSH实现批量删除
- 产品经理的要学习的知识
- Effective C++ 读书笔记
- Android设计模式(二)- 续:WindowManager
- 【Coursera Machine Learning】 Week2 学习笔记
- 哈希(散列)表之开放定址法的C++类模板实现
- 论文查重 降重复度?
- 【CODE[VS]】4109 TTY loves numbers (月赛round2)
- response.setContentType()的参数说明 转载http://rubyq.iteye.com/blog/1408141
- 递归递推总结
- 刷题遇上的知识点
- 基于platform总线的mini2440的led设备驱动例子
- 使用sudo对用户进行权限管理