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
kaixin_啊啊1 小时前
【零基础学AI】第 25 章课后练习与答案
人工智能
水如烟2 小时前
孤能子视角:逆溯法与传统方法比较
人工智能
jimmyleeee2 小时前
大模型安全之五十一:OWASP LLM Top 10 全景解读
人工智能·安全
飞哥数智坊3 小时前
DeepSeek-V4.1-Flash-1017 官方许愿案例太吸睛,我也复刻了一个
人工智能
深蓝AI3 小时前
自报提效 12 倍,模型进步加速 1.9 倍:METR 报告到底量了什么
人工智能·程序员
怕浪猫4 小时前
从工具到代理:一张图看懂 2026–2030 年 AI 如何重构 11 个行业
人工智能·程序员·产品
云和数据.ChenGuang4 小时前
LangGraph 异步 Node 的设计与写法实践
开发语言·人工智能·python·机器学习·php
会飞锦鲤5 小时前
工业AI视觉检测项目完整实施方案
人工智能·深度学习·视觉检测·缺陷检测·模型训练·ai项目·工业应用
优秘智能5 小时前
优秘智能增长智脑视角下的AI试点与验收
人工智能·知识管理·企业应用
天诰5 小时前
SA-K-11 检索会消失吗与四个未解问题
java·服务器·人工智能·python·机器学习·ai编程