线性回归算法

第一点：原理

单变量线性回归算法

1.预测函数方程  y = k * x  + b 

模型参数  k b

一次函数啊，原来

目的：找到合适的k，b，以使得y与真实值误差最小

怎么找到合适的k，b，拟合成本最小时

2.成本函数  均方差 预测值与实际值的差的平方，在乘以1/2

均方差啊，原来

3.梯度算法难以描述，以图做解

一阶偏导啊，原来 额，看起来也不难啊

多变量线性回归算法，

上面不懂的，别往下看，浪费时间

1.预测函数

一次多元函数，原来

矩阵，好他妹的熟悉的

有一种矩阵，原来

2.成本函数

3.梯度下降算法

学习笔记——机器学习（八）

第二点：模型优化

多项式和线性回归，这个没多大意思

数据归一化

进入数学模式了，这个不好描述，想想做为理学院的学生，这些我两次呵呵，多好理解啊，学校时，有这么简单就好了