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
白熊18810 分钟前
【计算机视觉】OpenCV项目实战:基于face_recognition库的实时人脸识别系统深度解析
人工智能·opencv·计算机视觉
桃花键神12 分钟前
华为云Flexus+DeepSeek征文|基于Dify平台tiktok音乐领域热门短视频分析Ai agent
人工智能·华为云
几道之旅14 分钟前
mAP、AP50、AR50:目标检测中的核心评价指标解析
人工智能·目标检测·目标跟踪
搏博38 分钟前
抗量子计算攻击的数据安全体系构建:从理论突破到工程实践
人工智能·人机交互·量子计算
白熊18843 分钟前
【计算机视觉】OpenCV实战项目:GraspPicture 项目深度解析:基于图像分割的抓取点检测系统
人工智能·opencv·计算机视觉
python1561 小时前
OpenWebUI新突破,MCPO框架解锁MCP工具新玩法
人工智能·语言模型·自然语言处理
墨绿色的摆渡人1 小时前
pytorch小记(二十一):PyTorch 中的 torch.randn 全面指南
人工智能·pytorch·python
东临碣石822 小时前
【AI论文】EnerVerse-AC:用行动条件来构想具身环境
人工智能
lqjun08272 小时前
PyTorch实现CrossEntropyLoss示例
人工智能·pytorch·python
心灵彼岸-诗和远方2 小时前
芯片生态链深度解析(三):芯片设计篇——数字文明的造物主战争
人工智能·制造