2018年7月16日
吴恩达机器学习笔记 —— 5 多变量线性回归
摘要： 本篇主要讲的是多变量的线性回归，从表达式的构建到矩阵的表示方法，再到损失函数和梯度下降求解方法，再到特征的缩放标准化，梯度下降的自动收敛和学习率调整，特征的常用构造方法、多维融合、高次项、平方根，最后基于正规方程的求解。 更多内容参考 "机器学习&深度学习" 在平时遇到的一些问题，更多的是多特征的 阅读全文
posted @ 2018-07-16 23:23 xingoo 阅读(808) 评论(0) 推荐(0) 编辑