IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> 机器学习基础---回归方法---最小二乘回归 -> 正文阅读

[人工智能]机器学习基础---回归方法---最小二乘回归

最小二乘回归

方法描述

核心思想

  • 针对有监督回归问题,使用线性变换 f ( x ) = w T x f(x)=w^Tx f(x)=wTx,对从样本到标签得映射 y : X ? > Y y:X->Y y:X?>Y进行拟合
  • 误差平方和作为损失函数,方法优化目标是最小化误差平方和

方法推导

  • 损失函数

    输入矩阵 X = [ x 1 , x 2 , . . . , x n ] X=[x_1,x_2,...,x_n] X=[x1?,x2?,...,xn?], 标签矩阵 Y = [ y 1 , y 2 , . . . , y n ] T Y=[y_1,y_2,...,y_n]^T Y=[y1?,y2?,...,yn?]T,权重向量 w d ? 1 w_{d*1} wd?1?


    w T X ? Y = [ w T x 1 w T x 2 . . . w T x n ] ? [ y 1 y 2 . . . y n ] = [ w T x 1 ? y 1 w T x 2 ? y 2 . . . w T x n ? y n ] w^TX-Y= \left[\begin{matrix} w^Tx_1\\w^Tx_2\\...\\w^Tx_n \end{matrix}\right]- \left[\begin{matrix} y_1\\y_2\\...\\y_n \end{matrix}\right] =\left[\begin{matrix} w^Tx_1-y_1\\w^Tx_2-y_2\\...\\w^Tx_n-y_n \end{matrix}\right] wTX?Y=?????wTx1?wTx2?...wTxn?????????????y1?y2?...yn???????=?????wTx1??y1?wTx2??y2?...wTxn??yn???????
    损失函数为误差平方和
    J ( w ) = 1 2 ∑ i = 1 n ( f ( x i ) ? y i ) 2 = 1 2 ( w T X ? Y ) T ( w T X ? Y ) \begin{aligned} J(w)&=\frac12\sum_{i=1}^n (f(x_i)-y_i)^2\\ &=\frac12 (w^TX-Y)^T(w^TX-Y) \end{aligned} J(w)?=21?i=1n?(f(xi?)?yi?)2=21?(wTX?Y)T(wTX?Y)?

  • 优化目标
    a r g ? m i n w 1 2 ( w T X ? Y ) T ( w T X ? Y ) \underset{w}{arg \ min}\frac12 (w^TX-Y)^T(w^TX-Y) warg?min?21?(wTX?Y)T(wTX?Y)

  • 损失函数对 w w w求导:
    ? w J ( w ) = 2 X X T w ? 2 X Y T \nabla_wJ(w)=2XX^Tw-2XY^T ?w?J(w)=2XXTw?2XYT
    令导数为零,有:
    X X T w = X Y T XX^Tw=XY^T XXTw=XYT
    得到:
    w = ( X X T ) ? 1 X Y T w=(XX^T)^{-1}XY^T w=(XXT)?1XYT
    即得到使误差平方和最小的 w w w

方法流程

  • 构造样本矩阵X,进行正则化

  • w = ( X X T ) ? 1 X Y T w=(XX^T)^{-1}XY^T w=(XXT)?1XYT计算 w w w

  • 得到模型:
    f ( x ) = w T x f(x)=w^Tx f(x)=wTx

参考资料

【1】线性回归与最小二乘法

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-11-14 21:38:18  更:2021-11-14 21:44:17 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/27 6:21:42-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码