牛顿法的用处，①求解方程的根，用一阶泰勒展开；②用于凸优化，用二阶泰勒展开。
①求解方程的根
②用于凸优化
Newton-Raphson method牛顿法公式推导
2018-10-19
3384
版权
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。
简介：
牛顿法的用处，①求解方程的根，用一阶泰勒展开；②用于凸优化，用二阶泰勒展开。
目录
相关文章
|
机器学习/深度学习
搜索推荐
高斯-马尔科夫定理（Gauss-Markov theorem）
高斯-马尔科夫定理（Gauss-Markov theorem），也称为高斯-马尔科夫定理（Gauss-Markov theorem）或线性最小二乘定理（linear least squares theorem），是统计学中一个重要的定理，它描述了在一些假设条件下，普通最小二乘估计（Ordinary Least Squares, OLS）是线性回归模型中最优的无偏估计。
365
0
0
|
算法
定位技术
|
机器学习/深度学习
Python
|
算法
Python
机器学习/深度学习
|
数据挖掘
Serverless
Python
|
算法
|
机器学习/深度学习
算法
前端开发
|
人工智能
BI
最小二乘法-公式推导
基本思想
求出这样一些未知参数使得样本点和拟合线的总误差（距离）最小
最直观的感受如下图（图引用自知乎某作者）
而这个误差（距离）可以直接相减，但是直接相减会有正有负，相互抵消了，所以就用差的平方
推导过程
1 写出拟合方程y=a+bxy=a+bx
2 现有样本(x1,y1),(x2,y2).
4061
1
1