2018.4.23-ml笔记(线性回归、梯度下降)-阿里云开发者社区

开发者社区> 云计算> 正文

2018.4.23-ml笔记(线性回归、梯度下降)

简介: 线性回归:找到最合适的一条线来最好的拟合我们的数据点。 hθ(x) = θixi=θTx    θ被称之为权重参数    θ0为拟合参数 对每个样本yi=θTxi + εi    误差ε是独立并且具有相同的分布,并且服从均值为0且方差为θ2的高斯分布。      

线性回归:找到最合适的一条线来最好的拟合我们的数据点。

hθ(x) = θixiTx    θ被称之为权重参数    θ0为拟合参数

对每个样本yiTxi + εi    误差ε是独立并且具有相同的分布,并且服从均值为0且方差为θ2的高斯分布。

 

 

 

 

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
云计算
使用钉钉扫一扫加入圈子
+ 订阅

时时分享云计算技术内容,助您降低 IT 成本,提升运维效率,使您更专注于核心业务创新。

其他文章