有监督——分类、回归
一、线性回归
对于一个线性方程,没办法拟合所有的数据点,但是要尽可能的覆盖尽可能多的点。
在下面的图中,x0=1。添加这一项的目的是:将数据矩阵补全(比如年龄是x1、工资是x2,那么x0手动添加到第一列)
希望误差越小越好,即损失函数
数据使用线性回归的前提:数据必须相互独立,不能数据1 影响数据2 ;数据1 和 数据2 不能来自不同的环境;
笔记:
——————————————————————————
7参数更新方法_哔哩哔哩_bilibili
有监督——分类、回归
一、线性回归
对于一个线性方程,没办法拟合所有的数据点,但是要尽可能的覆盖尽可能多的点。
在下面的图中,x0=1。添加这一项的目的是:将数据矩阵补全(比如年龄是x1、工资是x2,那么x0手动添加到第一列)
希望误差越小越好,即损失函数
数据使用线性回归的前提:数据必须相互独立,不能数据1 影响数据2 ;数据1 和 数据2 不能来自不同的环境;
笔记:
——————————————————————————
7参数更新方法_哔哩哔哩_bilibili
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/619689.html
如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!