【機器學習】線性迴歸之梯度下降、多元線性迴歸概述

線性迴歸是一種監督學習方法.  對每個樣本來說：  Hypothesis: 即： 其中， 爲預測值， 爲樣本的第i個特徵，且；  爲該特徵下的權重，bias偏差。線性迴歸就是要在已有的樣本特徵和標籤下學習特徵權重，從而在待測樣本中應用學習好的特徵權重，得到待測樣本的標籤。  定義損失函數： 我們的目的是找到最優的  來最小化   , 使用梯度下降方法： 對每一個樣本來說：  Batch Gradi

>>阅读原文<<