吴恩达机器学习笔记 —— 5 多变量线性回归

http://www.cnblogs.com/xing901022/p/9321045.html

本篇主要讲的是多变量的线性回归，从表达式的构建到矩阵的表示方法，再到损失函数和梯度下降求解方法，再到特征的缩放标准化，梯度下降的自动收敛和学习率调整，特征的常用构造方法、多维融合、高次项、平方根，最后基于正规方程的求解。

更多内容参考机器学习&深度学习

在平时遇到的一些问题，更多的是多特征的

多变量的表示方法

多元线性回归中的损失函数和梯度求解

有时候特征各个维度是不同规模的，比如房间的平米数和房间数，两个数量级相差很大。如果不丛任何处理，可能导致梯度优化时的震荡。

一般如果特征时在可接受的范围内，是不需要做特征缩放的。如果很大或者很小，就需要考虑进行特征的缩放了。

标准化，即

自动收敛测试：如果梯度在优化后变化很小，比如10^-3，那么就认为梯度优化已经收敛。

如果发现误差在不断的增加或者不断的抖动，那么应该减小学习率，这一版都是由于学习率过大导致的震荡。但是如果学习率设置的很小，收敛的速度又会很慢。一般都是采用不同的学习率来测试，比如0.001, 0.01, 0.1, 1 ....

有的时候我们选择的特征，并不是直接使用数据，而是通过数据拟合出新的特征。比如我们有房子的长宽，但是使用特征的时候，可以构造出一个面积特征，会更有效果。

通过x构造新的特征替换高维特征

如果不希望房子的价格出现下降，可以构造平方根的特征：

基于正规方程解

基于梯度下降和正规方程的区别

如果特征之间共线，会导致矩阵不可逆

吴恩达机器学习笔记 —— 5 多变量线性回归相关推荐

吴恩达机器学习训练1：线性回归（多变量）
吴恩达机器学习训练1:线性回归(多变量) 本小节为练习1中选做题,为多变量(多特征参数)的线性回归计算. 还是预测房价的例子,假设已经两个特征参数,分别是房子的尺寸和卧室的数量,在数据的第一列和第二列 ...
吴恩达机器学习笔记整理（Week1-Week5）
吴恩达机器学习笔记整理 1. Week1 1.1 什么是机器学习(What is Machine Learning) 1.2机器学习算法分类 1.3 单变量线性回归(Linear Regression ...
吴恩达机器学习笔记第一周
第一周吴恩达机器学习笔记第一周一. 引言(Introduction) 1.1 欢迎 1.2 机器学习是什么? 1.3 监督学习 1.4 无监督学习二.单变量线性回归(Linear Regress ...
吴恩达机器学习笔记整理（Week6-Week11）
1. Week 6 1.1 应用机器学习的建议(Advice for Applying Machine Learning) 1.1.1 决定下一步做什么到目前为止,我们已经介绍了许多不同的学习算法, ...
吴恩达机器学习笔记55-异常检测算法的特征选择（Choosing What Features to Use of Anomaly Detection）
吴恩达机器学习笔记55-异常检测算法的特征选择(Choosing What Features to Use of Anomaly Detection) 对于异常检测算法,使用特征是至关重要的,下面谈谈 ...
吴恩达机器学习笔记：（四）矩阵、多元梯度下降
吴恩达机器学习笔记矩阵基础知识矩阵逆运算矩阵的转置实践乘法多元梯度下降特征缩放学习率α 矩阵基础知识矩阵逆运算矩阵的转置实践乘法多元梯度下降特征缩放学习率α 学习率的选择:
吴恩达机器学习笔记：（一）机器学习方法简介
吴恩达机器学习笔记 Supervised Learning(监督学习) Unsupervised Learning(无监督学习) clustering 聚类算法 market segments 市场细 ...
吴恩达机器学习2——单变量线性回归
吴恩达机器学习2--单变量线性回归监督学习工作模式训练集中同时给出了输入输出,即人为标注的"正确结果"喂给学习算法,得到一个函数h,h 可以根据输入的x得到一个y,因此h是x到 ...
吴恩达机器学习笔记week8——神经网络 Neutral network
吴恩达机器学习笔记week8--神经网络 Neutral network 8-1.非线性假设 Non-linear hypotheses 8-2.神经元与大脑 Neurons and the brai ...

吴恩达机器学习笔记 —— 5 多变量线性回归

吴恩达机器学习笔记 —— 5 多变量线性回归相关推荐

最新文章

热门文章