码迷,mamicode.com
首页 > 其他好文 > 详细

梯度下降法

时间:2015-10-26 13:41:04      阅读:233      评论:0      收藏:0      [点我收藏+]

标签:

一、引言

  本材料参考Andrew Ng大神的机器学习课程?http://cs229.stanford.edu,以及斯坦福无监督学习UFLDL tutorial?http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial

  机器学习中的回归问题属于有监督学习的范畴。回归问题的目标是给定D维输入变量x,并且每一个输入矢量x都有对应的值y,要求对于新来的数据预测它对应的连续的目标值t。比如下面这个例子:假设我们有一个包含47个房子的面积和价格的数据集如下:

 技术分享

我们可以在Matlab中画出来这组数据集,如下:

技术分享

  看到画出来的点,是不是有点像一条直线?我们可以用一条曲线去尽量拟合这些数据点,那么对于新来的输入,我么就可以将拟合的曲线上返回对应的点 从而达到预测的目的。如果要预测的值是连续的比如上述的房价,那么就属于回归问题;如果要预测的值是离散的即一个个标签,那么就属于分类问题。这个学习处 理过程如下图所示:

梯度下降法

标签:

原文地址:http://www.cnblogs.com/linyuanzhou/p/4910792.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!