机器学习|线性回归

线性回归是尝试使用一条直线去拟合出图上的节点。


e i e_i ei为第i个点构成的误差,使用平方的好处一是可以避免正负抵消,二是平方有利于放大大于1的误差的影响,同时缩小误差小于1的影响。

将平方项进行展开,以w作为变元,可以得到上述式子。

如何使用代价函数?

w是函数斜率,每一个w都会对应损失函数中的一个位置,而合适的w会使得损失函数的损失值趋于最小。

代价函数的形式可能多样,可以通过找到一些梯度下降的方法来找到最小的代价函数,从而确认出最优的代价函数。

耿直哥

相关推荐
WJSKad12353 分钟前
[特殊字符] SecRoBERTa:网络安全AI新里程碑[特殊字符]️
人工智能·安全·web安全
zach012711 分钟前
GEO优化的算力贫困悖论:基于数字地缘政治的量子搜索语义重构
人工智能·python·重构
發糞塗牆24 分钟前
【Azure 架构师学习笔记 】- Azure AI(14)-Azure OpenAI(5)-OpenAI 智能文本处理小工具
人工智能·ai·azure
东离与糖宝38 分钟前
Spring Boot 3 + Qwen 3.5 最佳实践:从接口调用到 RAG 向量检索一站式开发
java·人工智能
kisshuan123961 小时前
[特殊字符] MangaLens:AI精准识别漫画气泡,对话内容一目了然
人工智能
电子科技圈1 小时前
从工具到平台:如何化解跨架构时代的工程开发和管理难题
人工智能·设计模式·架构·编辑器·软件工程·软件构建·设计规范
zhangshuang-peta1 小时前
加密MCP保险库:人工智能系统中安全凭证管理的关键
人工智能·安全·chatgpt·ai agent·mcp·peta
Σίσυφος19001 小时前
PCL聚类 之 欧式聚类(最常用)
算法·机器学习·聚类
yuhaiqiang1 小时前
太牛了🐂,再也没有被AI 骗过,自从用了这个外挂 !必须装上
javascript·人工智能·后端
GISer_Jing1 小时前
Agent技术深度解析:LLM增强智能体架构与优化
前端·人工智能·架构·aigc