機器學習--手推線性迴歸

機器學習–線性迴歸 解決問題：處理大量觀測數據，得出比較符合事物內部規律的數學表達式。模擬結果或預測結果 基本思想：用梯度下降法對最小二乘法的誤差函數繼續優化； 數學分析：使用對數似然函數，將連乘變爲連加，改善梯度問題； 流程：1、假設；2、優化目標；3、梯度下降 優缺點：實現簡單，但不能擬合非線性數據，選取合適的多項式階數對於迴歸模型擬合程度會產生重要影響。多項式階數越高越容易產生過擬合現象。

>>阅读原文<<