機器學習-多元線性迴歸及其手寫實現梯度下降

一. 多元線性迴歸簡介 1.在迴歸分析中，如果有兩個或兩個以上的自變量，就稱爲多元迴歸。事實上，一種現象常常是與多個因素相聯繫的，由多個自變量的最優組合共同來預測或估計因變量，比只用一個自變量進行預測或估計更有效，更符合實際。因此多元線性迴歸比一元線性迴歸的實用意義更大。 2.多元線性迴歸算法步驟： 解析數據集，分割特徵和label 定義損失函數 定義梯度下降函數 根據特徵數量初始化構建權重W和b

>>阅读原文<<