最小二乘法
@[toc]
序言
最小二乘法与梯度下降一样都是一种优化方法(在某种约束下的寻找最佳匹配函数的方法)。但与梯度下降不同之处在于,梯度下降是一步步去求解而最小二乘法是一步求解到位。
最小二乘法
通过最小化目标值与预测值的误差的平方和来寻找最佳匹配函数。
可用于
- 直线拟合
- 曲线拟合
最小二乘法处理的模型表达式:
直线拟合:
曲线拟合:
x是输入值,y是预测值,\theta是需要计算的值,所以不论是直线还是曲线本质还是解决线性问题
@[toc]
最小二乘法与梯度下降一样都是一种优化方法(在某种约束下的寻找最佳匹配函数的方法)。但与梯度下降不同之处在于,梯度下降是一步步去求解而最小二乘法是一步求解到位。
通过最小化目标值与预测值的误差的平方和来寻找最佳匹配函数。
可用于
直线拟合:
曲线拟合:
x是输入值,y是预测值,\theta是需要计算的值,所以不论是直线还是曲线本质还是解决线性问题