線性迴歸分析知識總結

線性迴歸中可能遇到的問題 求解損失函數的最小值有兩種方法：梯度下降法以及正規方程。 特徵縮放：即對特徵數據進行歸一化操作，進行特徵縮放的好處有兩點，一是能夠提升模型的收斂速度，因爲如果特徵間的數據相差級別較大的話，以兩個特徵爲例，以這兩個特徵爲橫縱座標繪製等高線圖，繪製出來是扁平狀的橢圓，這時候通過梯度下降法尋找梯度方向最終將走垂直於等高線的之字形路線，迭代速度變慢。但是如果對特徵進行歸一化操作之

>>阅读原文<<