AI_02_線性迴歸深入和代碼實現_05_推導出損失函數_推導出解析解

最大似然函數→就是連乘最大→就是求解取log求和最大→就是求J(θ)最小。在求損失函數/目標函數最小的時候我甚至都不需要知道決定正太分佈形狀的兩個參數均值和方差。 假如你的數據集不符合正態分佈，而符合均勻分佈/泊松分佈，那麼就是由均勻分佈或是泊松分佈的概率密度函數對應推到出最大似然函數，或是最小損失函數，或是最小目標函數。基於正態分佈、均勻分佈、泊松分佈的線性迴歸。 --23分鐘   解析解（直接

>>阅读原文<<