使用梯度下降算法求解多元线性回归 步骤: 1 · 加载样本数据 2 · 数据处理 (归一化:将数据的值限制在一定的范围之内) 线行归一化:对原始数据的线性变换,是等比例缩放 标准差归一化:将数据集归一化为均值为0,方差为1的标准正态分布 非线性映射归一化:对原始数据的非线性变换 3 · 设置超参数(学习率,迭代次数) 4 · 设置模型参数处置 5 · 训练模型 6 · 可视化输出结果
1 · 加载样本数据 2 · 数据处理 (归一化:将数据的值限制在一定的范围之内) 线行归一化:对原始数据的线性变换,是等比例缩放 标准差归一化:将数据集归一化为均值为0,方差为1的标准正态分布 非线性映射归一化:对原始数据的非线性变换 3 · 设置超参数(学习率,迭代次数) 4 · 设置模型参数处置 5 · 训练模型 6 · 可视化输出结果