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:
= +
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 ,则可以定义损失函数如下(我们希望整个损失函数最小)
梯度
定义
设函数在平面区域内具有一阶连续偏导数,则对于每一点 都可定出一个向量:
可以称为
那么这向量称为函在点上的的梯度就是
例如这个函数在x = 2处的梯度
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
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
多元回归模型
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。
网友评论