推荐系统 理论笔记 四（机器学习基础—线性回归）
f(x)=w1x1+w2x2，是三维空间的一条直线。MSE均方误差（平方求和再平均）。最小二乘（least square mehtod）。英文是最小平方的方法。就是求误差平方的最小值问题。注意，因为是线性回归模型，而且损失函数是凸函数，所以可以通过将损失函数求导，2阶凸函数的导数为0的点，就是最小值点。w**2是正数，就是一饿抛物线。开口向上。为什么多元线性回归不用最小二乘法，因为那样的话，计算的
·
f(x)=w1x1+w2x2，是三维空间的一条直线。
MSE均方误差（平方求和再平均）。最小二乘（least square mehtod）。英文是最小平方的方法。就是求误差平方的最小值问题。
注意，因为是线性回归模型，而且损失函数是凸函数，所以可以通过将损失函数求导，2阶凸函数的导数为0的点，就是最小值点。w**2是正数，就是一饿抛物线。开口向上。
为什么多元线性回归不用最小二乘法，因为那样的话，计算的公式太复杂了。所以我们使用了梯度下降的算法来求解。
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
0
0- 0
已为社区贡献2条内容
所有评论(0)