zoukankan      html  css  js  c++  java
  • 机器学习---吴恩达---Week2(多变量线性回归问题分析)

    多变量线性回归分析

    多变量问题描述:

    回归问题分析

     梯度离散应用技术

    Feature Scaling(特征缩放): 通过将变量取值范围缩放到相同的尺度,加快梯度离散的收敛速度,一般选取-1~1之间。

    Mean Normalizatio(均值归一化): 特征值减去其均值使得其分布更加集中。(往往在使用过程中需要配合除去(Tmax-Tmin)获得分布位于0-1之间的特征值)。

    Learning Rate(学习率设定): 过大影响收敛,过小收敛过慢。

    多变量与非线性回归分析

    预测方程不再是线性关系,而是多项式关系。

    Normal Equation(正规方程)

    不通过循环离散,直接矩阵方程计算预测函数方程的参数。

    梯度离散与正规方程的比较

    正规方程使用时存在的问题

    1.特征冗余,即多个特征表示的是同一关系;

    2.实验训练数据远远小于特征数量;

    MATLAB&OCTAVE相关操作

    Octave/Matlab Tutorial

  • 相关阅读:
    Synchronized锁升级
    锁削除和锁粗化
    自旋锁
    Synchronized原理
    浅谈AQS原理
    JSON使用
    JSON语法
    Decode Ways
    String to Integer(atoi)
    Leetcode:Reverse Words in a String
  • 原文地址:https://www.cnblogs.com/zouhq/p/10643034.html
Copyright © 2011-2022 走看看