美文网首页
线性模型和梯度下降(概念简单理解)

线性模型和梯度下降(概念简单理解)

作者: 泛酸的桂花酒 | 来源:发表于2019-05-05 17:09 被阅读0次

    对于线性模型和梯度下降在网上解释有很多版本,这里加上自己的理解,总结出了整个简单易懂的版本

    一元线性回归

    一元线性模型,是一个很简单的数学模型,很多教程也都用来入门介绍。
    其数学表达式可以写成:

    y = wx + b
    这里的y就是我们需要预测的结果,假设我们的模型预测结果是y_i ,则可以定义损失函数如下(我们希望整个损失函数最小)
    \frac{1}{n}\sum_{i=1}^n(y-y_i)^2

    梯度

    定义
    设函数z=f(x,y)在平面区域D内具有一阶连续偏导数,则对于每一点(x,y)\in D 都可定出一个向量:
    \frac{\partial f}{\partial x} + \frac{\partial f}{\partial x}可以称为gradf(x,y)
    那么这向量称为函z=f(x,y)在点P(x,y)上的的梯度就是gradf(x,y)
    例如f(x) = x^2这个函数在x = 2处的梯度

    1WS1RU{I[%5PBTG)C{]J$6U.png
    那么沿着这个梯度下降的方向走,可以快速的找到最小值(即验证梯度下降的方向),或者最大值(梯度上升的方向)

    多项回归模型和多元回归模型

    根据上面的线性回归模型y = wx + b
    当特征较为多的时候就拓展为多元回归模型,即关于x的一次多项式
    y = w0 x+ w1x^2 + w2x^3 + w3x^4 +......
    多元回归模型
    y = w0 x+w1y + w2z +......
    这样就可以拟合更复杂的模型,这些模型的形式大体上一直,他们的loss函数和简单的线性模型是一致的。

    相关文章

      网友评论

          本文标题:线性模型和梯度下降(概念简单理解)

          本文链接:https://www.haomeiwen.com/subject/pgttoqtx.html