吳恩達機器學習筆記 —— 5 多變量線性迴歸

本篇主要講的是多變量的線性迴歸,從表達式的構建到矩陣的表示方法,再到損失函數和梯度下降求解方法,再到特徵的縮放標準化,梯度下降的自動收斂和學習率調整,特徵的常用構造方法、多維融合、高次項、平方根,最後基於正規方程的求解。 更多內容參考 機器學習&深度學習 在平時遇到的一些問題,更多的是多特徵的 多變量的表示方法 多元線性迴歸中的損失函數和梯度求解 有時候特徵各個維度是不同規模的,比如房間的平米數和
相關文章
相關標籤/搜索