EdX-Columbia機器學習課第2講筆記:線性回歸與最小二乘
05-05
回歸的定義:給定輸入,輸出,回歸問題的目的是找到函數使得對數據對有。這裡稱為一個回歸函數,其自由參數為。如果是未知參數的線性函數,則稱此回歸為線性的
線性回歸的模型可以表示為
目標函數為最小二乘函數,即選取使平方誤差和最小的
向量形式下推導如下:
由於都是標量,標量的轉置與自身相同,因此上式可以轉化為
根據之前的向量求導法則,有
矩陣形式可以更加簡潔
根據求導法則
上式有解的條件是是滿秩矩陣,即矩陣有至少個線性無關的行
可以通過向模型中加入等高次變數對線性回歸進行擴展,擬合出更複雜的曲線。如果把看作是不同的變數,則其還是一個線性回歸問題,之前的解法仍然有效
推薦閱讀:
※從聚合轉移的統一視角淺談卷積神經網路架構設計 | Paper Reading 第二季第三期
※集智:負基礎就能學會的機器學習(二) 無需任何編程基礎
※機器學習入門基礎——邏輯回歸
※《機器學習基石》課程學習總結(二)
※機器如何做「閱讀理解」?