机器学习笔记----最小二乘法
一,参考的博文
如何理解最小二乘法?_马同学图解数学的博客-CSDN博客_最小二乘法
机器学习应该准备哪些数学预备知识? - 知乎
什么是「最小二乘法」_remeber6666的博客-CSDN博客
二,什么是最小二乘法
最小二乘法主要用于解决函数模型最优解问题
最小二乘法,即:
使用下面的例子进行讲解:
最小二乘法是这样,要尽全力让这条直线最接近这些点
那么问题来了,怎么才叫做最接近呢?直觉告诉我们,这条直线在所有数据点中间穿过,让这些点到这条直线的误差之和越小越好。这里我们用方差来算更客观。也就是说,把每个点到直线的误差平方加起来:
(如果上面的四个方程都能满足,那么S的值显然为0,这是最完美的,但如果做不到完美,我们就让这个S越小越好)
接下来的问题就是,如何让这个S变得最小。这里有一个概念,就是求偏导数。这里我想提一下,在培训的过程中,我发现机器学习的数学基础课程当中,微积分是大家印象最深刻的,而且也最容易理解:比如导数就是求变化率,而偏导数则是当变量超过一个的时候,对其中一个变量求变化率。要让S取得最小值,那最好是对β1和β2分别求导(对β1求导的时候,把β2当常量所以叫求偏导),值为0:
很容易得出:
这个函数也就是我们要的直线,这条直线虽然不能把那些点串起来,但它能最大程度上接近这些点。也就是说5公里的时候,成本为3.5+1.4x5=10.5块,虽然不完美,但是很接近实际情况。
三,什么是高斯牛顿法
高斯牛顿法正是用于解决非线性最小二乘问题,达到数据拟合、参数估计和函数估计的目的。
参考的博文:
数值优化之高斯-牛顿法(Gauss-Newton)_图灵的猫i的博客-CSDN博客_gauss newton法
机器学习笔记----最小二乘法相关推荐
- 机器学习笔记七:损失函数与风险函数
一.损失函数 回顾之前讲过的线性回归模型,我们为了要学习参数使得得到的直线更好的拟合数据,我们使用了一个函数 这个函数就是比较模型得到的结果和"真实值"之间的"差距&qu ...
- 机器学习笔记:岭回归(L2正则化)
1 岭回归(ridge regression)介绍 L2正则化的目的就是要让权重衰减到更小的值,在一定程度上减少过拟合的问题. L2正则化可以使参数趋近于0,函数更加平滑 2 L2正则化的求解过程 ...
- 【机器学习笔记】:大话线性回归(二)拟合优度和假设检验
大家好,我是东哥. 前一篇文章给大家介绍了线性回归的模型假设,损失函数,参数估计,和简单的预测.具体内容请看下面链接:[机器学习笔记]:大话线性回归(一) 但其实还有很多问题需要我们解决:这个模型的效 ...
- 迷人的神经网络——机器学习笔记1
目录 迷人的神经网络--机器学习笔记1 第1章 神经元模型及网络结构 1.1 神经元模型 1.1.1 单输入神经元 1.1.2 激活函数 1.1.3 多输入神经元 1.2 网络结构 1.2.1 单层神 ...
- 机器学习笔记之正则化(一)拉格朗日乘数法角度
机器学习笔记之正则化--拉格朗日乘数法角度 引言 回顾:基于正则化的最小二乘法 正则化描述 正则化的优化对象 常见的正则化方法 正则化角度处理神经网络的过拟合问题 场景构建 最优模型参数的不确定性 最 ...
- 《机器学习笔记(三):多元线性回归与正态分布最大似然估计》
回归问题普遍讨论的是多元线性回归,考虑多个特征可以得到更精确的模型,这其中涉及中心极限定理,正态分布,概率密度函数和最大似然估计. (一)背景--多元线性回归 1.概念 本质上就是算法(公式)变换为了 ...
- 机器学习笔记1:基于Logistic回归进行数据预测
机器学习笔记1:基于Logistic回归进行数据预测 一.背景 近期项目的一个核心部分就是实现对数据的预测,因为没有实际的数据样本,所以我准备近期学习Machine Learning的几种方式,从简单 ...
- 一份520页的机器学习笔记!附下载链接
点击上方"视学算法",选择"星标"公众号 第一时间获取价值内容 近日,来自SAP(全球第一大商业软件公司)的梁劲(Jim Liang)公开了自己所写的一份 52 ...
- 700 页的机器学习笔记火了!完整版开放下载
点上方蓝字计算机视觉联盟获取更多干货 在右上方 ··· 设为星标 ★,与你不见不散 作者 梁劲(Jim Liang),来自SAP(全球第一大商业软件公司). 书籍特点 条理清晰 ...
最新文章
- ubuntu12.04没有输入法。。
- Oracle 序列的创建和使用
- windows系统命令行下常用命令收集
- 关于数据科学,书上不曾提及的三点经验
- PCL已有点类型介绍和增加自定义的点类型
- 关于bochs用X11启动的说明
- 【NOI2014】起床困难综合症 贪心
- 【Unity Shader】(六) ------ 复杂的光照(上)
- unity小技巧总结
- 方法用于ThinkPHP3.1快速入门连贯操作
- Filecoin Gas基础费率降至4.67 nanoFIL
- elf文件格式_Android so(ELF) 文件解析
- 如何处理iOS中照片的方向
- php随机生成昵称,PHP随机生成姓名的方法介绍
- 正余弦变换、和差、倍角公式
- 同一个图表创建双坐标轴,显示多个图例
- 人类算力天花板?1750 亿参数的 AI 模型 GPT-3 引爆硅谷
- 牛逼了!DeepFake变脸再次来袭,强势霸屏GitHub热榜!偏门应用“美女脱衣”还会再出现么?...
- 关于H5的知识点(HTML+CSS+JS)
- HSWMS——库存管理
热门文章
- 地处国际金融中心,却「不走寻常路」的牛津和剑桥
- 建武28a对讲机最大距离_建武对讲机
- java版微信小程序之多商家入驻前后端分离商城源码 Spring Cloud+Spring Boot+mybatis+security+uniapp+Redis+MQ+VR全景+b2b2c
- 2020-03-21:问题记录:防伪码生成
- Comparator 排序
- Winphone开发之页面导航
- 5G将如何改变我们的生活
- lc-1.4实用技术
- html怎么添加艺术字,怎样在PPT中添加艺术字?
- 设计模式学习 — 外观模式