【算法】--线性回归
2018-09-27 15:51:47 0 举报AI智能生成
【算法】-线性回归
作者其他创作
大纲/内容
误差项分析
最后的预测值=权重参数*输入特征数据+误差分析值
核心理念
每一个数据都是具有独立的误差的
独立
- 数据与数据间虽然有相同的特征，但是是没有关系的
同分布
- 这些数据集都要来自同一个数据集，并最后输出到同一个数据集
高斯分布
- 最终的实际值会在一个范围内波动，但是波动的区间不会太大，只有少数情况会存在异常
线性回归求解
推导过程
评估方法
通俗概念
输入
特征值
输出
目标值
根据特征值的组合来做成一个拟合线，找到最合适的一条线来拟合所有的数据点
算法公式
权重参数
偏置参数
整合公式转换原理
似然函数
似然函数
对数似然
展开化简
目标
梯度下降
1.给定目标函数
批量梯度下降
随机梯度下降
小批量梯度下降
2.找到当前最合适的位置
3.更新参数(小范围迭代)
学习率(步长)
如何选择步长
如何选择批处理的数量
归一化
最大最小值归一化
目的
无归一化
职业： Data Analyst
0 条评论
下一页
