机器学习基础笔记 | 3 – 多元线性回归与梯度下降

假设我们的样本更加复杂,一个房子的价格会被卧室数量,楼层,年限和面积共同 影响,目标是做出一个模型,来预测自己家房子的价格。

N → 特征值;在这个案例 n = 4

Xi是第几个训练样本,在这个样本里,I = 2的话

以此类推,下标j是样本的某个特定特征值

然后,用最简单的一维形式写出来的目标函数就是下面这行:

这个式子平时比较难表示,所以可以表达成

推导过程如下:

由于有之前的基础,多元线性回归的梯度下降基本形式实际上也没变

主要的问题在于代价函数的导数如何求的问题,实际上形式就是这样

基本形式与低阶求法无异

发表评论