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
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
用于线性回归的神经网络
、、、、
我找到了一个非常棒的源代码，它完全符合我所需要的模型：你有一个x->y图，每个x值都是“特征”的总和，或者我将如何表示它们，z。因此x->y图的回归线应该是函数，其中h(x)是回归线( h(SUM(z(subscript-i)) )
在这种神经网络中，其思想是以最小化最小平方误差的方式为每个z-value分配一个权重。梯度函数用于更新权重以最小化误差</e
浏览 1提问于2016-02-03得票数 0
1回答
用梯度下降预测线性回归结果的误差
、、、、
learning_rate=0.01)
predictions = model.predict(X_test) 我正在尝试使用梯度下降来预测我的波士顿房价数据集，但不幸的是，我的代码显示下面的错误，我不知道这是排版错误还是代码逻辑，请帮助我。另外，对于self.b和self.w定义的部分，我并不是真的理解这些代码，有人能为我使用一个更简单的公式吗 IndexErr
浏览 24提问于2021-08-13得票数 0
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
1回答
我知道的：( ii)现在，∑{ hThetax(i) - y(i) }：指具有给定的Theta值的总错误。误差是指预测值{ hThetax(i) }与实际值之间的差异。y(i)结尾的Xj^(i)代表什么？我们在实现多元线性回归梯度</em
浏览 4提问于2017-02-02得票数 2
回答已采纳
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
浏览 0提问于2021-10-04得票数 2
回答已采纳
我想使用正交线性回归的误差函数从头开始推导梯度下降。这样我就可以用NumPy编写python代码了。但是，我不确定其中的错误函数。有人能帮我推导出这个吗！！
浏览 1提问于2020-02-28得票数 0
我的损失函数产生值112.314。我试图找出这个损失函数相对于一些权值的导数，这是一个向量。向量为3.7、3.7、3.9、4.3、2.5、3.3、4.7。到目前为止，我尝试的是np.gradient(112.314, [3.7, 3.7, 3.9, 4.3, 2.5, 3.3, 4.7])。
浏览 0提问于2019-10-05得票数 0
回答已采纳
2回答
我想问一个相当简单的问题。我有很深的纯数学背景，所以我对成本函数的数学没有太大的理解困难，但我只想澄清在实际的神经网络中成本函数到底是什么(即在实际数据集上实现它)。给定一个固定的训练样本，我们可以将成本函数看作权值和偏差的函数，从而优化该函数就是求出该函数的最小值。
在实践中，当你有数千个培训样本时，成本函数是什么？是否所有训练例子的成本函数之和？
浏览 0提问于2022-03-02得票数 0
2回答
神经网络中的权值
、、
所以我是深入学习的新手，我遇到了给出输出的激活函数，并将其与标签进行比较，如果它是错误的，它调整其权重，直到它给出的输出与训练数据集中的特定输入的标记数据相同。10 1因此，假设这是一个示例训练集，我们将这些输入发送到激活函数，对于第一个输入，它返回正确的输出所以现在我怀疑，如果新更新的权重为第三个输入返回错误的输出，那么它的<
浏览 0提问于2018-04-07得票数 1
回答已采纳
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<
浏览 0提问于2022-04-14得票数 2
1回答
在机器学习的coursera课程中，它说梯度下降应该收敛。我们如何在现实世界中使用scikit-learn中的线性回归？或者为什么scikit
浏览 0提问于2015-12-26得票数 26
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
1回答
0.19172223428950 -0.29330584684934 -0.35078062276141 0.03826908777226 0.06633047875487];t = a + b*X1 + c*X2
由于方程是具有两个回归元的多元线性回归方程的</em
浏览 1提问于2015-06-05得票数 1
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
6回答
在最小二乘模型中，成本函数被定义为预测值与实际值之差的平方，作为输入的函数。当我们进行逻辑回归时，我们将成本函数更改为对数函数，而不是将其定义为sigmoid函数(输出值)与实际输出之间的差值的平方。
是否可以更改和定义我们自己的成本函数来确定参数？
浏览 2提问于2012-08-28得票数 22
回答已采纳
1回答
梯度下降图是如何工作的？
、、、
我有一个问题，了解梯度下降，例如，让我们采取一个简单的线性回归与1的特征，在绘制回归线后，误差计算的误差是Ypred，然后计算成本函数的每个斜率和截距的回归线。现在，该代价函数被绘制在斜率和截距处，以求成本函数相对于斜率的最小值，并通过梯度截距。
为什么我们要绘制成本函数图，然后找出最低值呢？该模型将计算不同坡度和截留权
浏览 3提问于2021-03-07得票数 0
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
