2回答
我正在尝试实现梯度下降算法，以便根据安德鲁·吴恩达的课程拍摄的以下图像来拟合一条直线以适应噪声数据。 ? ; % adding noise to dataJ_history = zeros(num_iters, 1);
m = (length(xrange)); 我继续
浏览 48提问于2019-04-07得票数 0
回答已采纳
1回答
嗨，我是线性回归的新手。我想知道和
机器学习在线性回归中何时使用梯度下降和均方误差？或者什么时候在线性回归中使用哪一种算法？
浏览 0提问于2018-10-04得票数 1
我阅读了Andrew NG的机器学习教程，在线性回归中遇到了梯度下降。当我尝试使用Python查找同样的内容时，我在youtube教程中找到了：向Souvik Saha Bhowmik致敬
浏览 2提问于2016-10-20得票数 0
以下是我对Logistic回归中MLE与梯度下降之间关系的理解。如果我错了，请纠正我：
1)利用对数似然函数wrt的偏导数估计最优参数。每个参数&等于0。梯度下降就像MLE一样，利用损失函数wrt的偏导数给出了最优参数。每个参数。GD还在获取参数值的过程中使用诸如学习速率和步骤大小等超参数</e
浏览 0提问于2022-05-09得票数 -4
1回答
Logistic和线性回归具有不同的成本函数。但我不明白logistic回归中的梯度下降与线性回归是如何一致的。
通过推导平方误差代价函数，得到了梯度下降公式。然而，在Logistic回归中，我们使用了一个对数成本函数。我想我在这里迷路了。
浏览 0提问于2018-01-22得票数 1
回答已采纳
我们知道如何用梯度下降来确定回归参数。如果成本函数为C=|Y-Y(X)|^2，我们将b更新为哪里是学习率和是成本函数C相对于b的偏微分。如果在多元回归中存在一种相互作用，并且我们希望坚持线性模型公式(不使用树或其他非线性回归器)，那么成本函数仍然是一样的，我们是否只是用相同的方式更新b呢？即相互作用项的存在对梯度下降没有影响。我没有看到有或没有相互作用
浏览 0提问于2018-02-16得票数 3
回答已采纳
2回答
顺序或批参数估计
、、
这就是我应该描述的问题。不幸的是，我研究的唯一一种在线性回归中估计参数的方法是经典的梯度下降算法。这是“批处理”模式还是“顺序”模式？他们之间有什么区别？
浏览 0提问于2018-05-13得票数 3
2回答
我理解普通的最小二乘和梯度下降所做的事情，但我只是对它们之间的区别感到困惑。梯度下降是迭代的，而OLS则不是。梯度下降是利用学习速率来达到最小值，而OLS则是用偏微分法求方程的极小值。
这两种方法在线性回归中都非常有用，但它们都给出了相同的结果:截距和系数的最佳可能值。它们之间有什么区
浏览 0提问于2022-04-14得票数 2
根据我的理解，线性回归被用来预测一个基于输入的输出，它使用一个线性方程来最优地拟合一些输入数据。利用损失函数对输入数据选择最佳拟合线性方程。通过模拟y= mx +b中m和b的值，可以找到具有梯度下降的最优线性方程组。
我的问题是，梯度下降总是找到线性回归的全局最小损失吗？这个问题的</
浏览 0提问于2021-10-04得票数 2
回答已采纳
1回答
所以我用y= mx+b从头到尾写了线性回归，并运行了50个历次的算法，以最小化成本，得到最佳的参数。
当我使用Scikit学习，我只是调用线性回归方法和拟合数据集，然后开始预测。适合方法运行的时间是多少？这不仅适用于线性回归，也适用于一般的其他ML方法。
浏览 0提问于2018-03-13得票数 0
我知道，如果你使用过内核技巧，使用梯度下降方法和支持向量机是很难的。在这种情况下，最好使用libsvm作为您的解决程序。但是，如果您不使用内核，而只是将其作为一个线性分离问题来处理，那么使用梯度下降作为求解器的意义何在呢？
浏览 0提问于2020-08-24得票数 3
1回答
有人能给我一个关于梯度下降是如何在线性回归中使用的高层次视图吗？我知道梯度下降基本上可以有效地找到一个局部最小值，但这实际上如何帮助形成对数据的回归？谁能给我一个事件的顺序，其中的线实际上是形成到数据点？我知道如何计算点的梯度，只是不知道如何更有效地形成直线。
浏览 0提问于2016-12-23得票数 1
2回答
在考瑟拉上参加安德鲁·吴( Andrew )的在线机器学习课程时，我遇到了一个名为过度拟合的话题。我知道梯度下降在线性或logistic回归中会发生，但如果使用“共轭梯度”、"BFGS“和"L-BFGS”等高级优化算法，它会发生吗？
浏览 0提问于2016-09-13得票数 8
回答已采纳
2回答
在线性回归中，为什么我们通常使用RMSE而不是MSE？我所知道的基本原理是，通过梯度下降来最小化RMSE中的错误而不是MSE中的错误是容易的，但是我需要知道确切的原因。
浏览 0提问于2020-01-19得票数 3
回答已采纳
1回答
实际上，我想使用一个线性模型来拟合一组'sin‘数据，但结果表明，损失函数在每次迭代中都会变大。下面的代码有问题吗？(梯度下降法)m=20;x = linspace(0,2*pi,20);y = sin(x*gradient;这是我想要的数据
浏览 2提问于2015-03-09得票数 1
回答已采纳
5回答
线性回归中的梯度下降
、、、
我正在尝试用java实现线性回归。我的假设是theta0 + theta1 * xi。我正在尝试计算theta0和theta1的值，以便使成本函数最小。我正在使用梯度下降来找出值-while(repeat until convergence) calculate theta0 and theta1 simultaneously.在收敛之前我是机器学习的新手，刚刚开始编写基本的算法以获得更好的理解。任何帮助都将不胜感激。
浏览 7提问于2014-01-11得票数 2
在线性规划问题中，我们建立了两个线性函数和一个优化函数。在这里，我们找到两个线性函数相交的点，并在优化函数中替换这些值，得到最大值或最小值。
这和梯度优化有什么不同呢？有人能从数学上详细说明这一点吗。
浏览 2提问于2019-04-14得票数 2
回答已采纳
1回答
在线阅读和遵循这个例子来自于，我知道OLS可以用来找出序列中间隙之间的数据(内插？)但我已经有了一个完整的序列，并希望预测它的未来(我认为是外推)。OLS能用来做这个吗？
浏览 0提问于2020-03-21得票数 1
回答已采纳
作为一个快速的问题，遗传算法被用来做什么？我在其他地方读到，它们应该被用作优化算法(类似于我们使用梯度下降来优化最优参数的方法，用线性回归，神经网络.)。如果是这样的话，为什么这些气体在机器学习中没有那么多的存在(或者至少我在文献中没有看到太多)？
浏览 0提问于2019-10-28得票数 6
回答已采纳
1回答
梯度下降更新规则：将这些值用于此规则：在使用0.07的学习速率进行两次迭代后，输出的值θ为-5150.8031.9763e+04因此，在第二次迭代之后，θ似乎变大了，这意味着学习速度太大了。我刚刚开始尝试理解梯度下降，所以请指出我的逻辑中的任何错误。alp
浏览 3提问于2015-07-18得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
