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<
浏览 0提问于2015-12-26得票数 26
回答已采纳
在python或R中构建线性回归模型时，我只使用fit方法。这种方法不要求初始化学习速度，或起点，而这是在梯度下降需要(据我所知)。那么，如果假设模型是用梯度下降来优化的，那么当使用拟合方法时，这些参数是如何被线性模型所选择的呢？
或者，如果模型没有使用梯度下降(或它的任何类型)，那么它使用哪种算法(以及如何优化)？
浏览 6提问于2017-12-04得票数 0
3回答
Python中的渐变体面
、、、
我刚刚完成了我的第一个机器学习算法，即线性回归。我想通过优化模型来减少rmse。我发现梯度体面做同样的工作。但我不知道怎么用蟒蛇来做。我参考了youtube上的一些视频，但每一段视频都解释了y=MX+c。但是我的模型中有大约50个变量。
有图书馆吗。请帮帮我。
浏览 0提问于2019-10-10得票数 1
回答已采纳
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
1回答
最近，我完成了由安德鲁斯·吴( Andrews Ng )执导的“课程”中的ML课程。这是一个很棒的课程。我一直在用八度音阶完成整个课程。但是，与八度相比，蟒蛇很受欢迎。所以，我现在已经开始学习蟒蛇了。我正在使用python实现线性回归。因为我什么都没做。简单地调用线性回归的预定义函数。但是，在八度音阶中，我经常从头开始编写代码。我必须使用梯度下降
浏览 0提问于2019-04-29得票数 3
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
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
我阅读了Andrew NG的机器学习教程，在线性回归中遇到了梯度下降。当我尝试使用Python查找同样的内容时，我在youtube教程中找到了：向Souvik Saha Bhowmik致敬
浏览 2提问于2016-10-20得票数 0
1回答
在转移学习中，通常只对网络的最后一层使用梯度下降进行再训练。然而，普通神经网络的最后一层只执行线性变换，那么为什么我们使用梯度下降而不是线性(或logistic)回归来细化最后一层呢？
浏览 0提问于2021-04-02得票数 1
我们知道如何用梯度下降来确定回归参数。如果成本函数为C=|Y-Y(X)|^2，我们将b更新为哪里是学习率和是成本函数C相对于b的偏微分。如果在多元回归中存在一种相互作用，并且我们希望坚持线性模型公式(不使用树或其他非线性回归器)，那么成本函数仍然是一样的，我们是否只是用相同的方式更新b呢？即相互作用项的存在对梯度下降没有影响。我没有看
浏览 0提问于2018-02-16得票数 3
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
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:截距和系数的最佳可能值。它们之间有什么区
浏览 0提问于2022-04-14得票数 2
2回答
我试图理解“反向传播”，因为它是使用梯度下降优化的神经网络。读一读文学作品，似乎做了几件事。
上述步骤似乎是线性模型的精确求解过程(例如，回归)。安德鲁·吴的“机器学习课程”与线性回归课程完全一样。所以，我想弄清楚B
浏览 11提问于2016-06-28得票数 4
回答已采纳
1回答
据我理解，SGD分类器和Logistic回归似乎相似。损失=对数的SGD分类器实现Logistic回归，损失=铰链实现线性支持向量机。我还了解到logistic回归采用梯度下降作为优化函数，SGD采用随机梯度下降，收敛速度要快得多。但这两种算法中哪一种会在哪种情况下使用？另外，SGD和Logistic回归有什么相似之处，它们又有何不同？
浏览 0提问于2018-09-07得票数 10
)
cost[i] = computeCost(X, y, theta)
这是我在教程中找到的线性回归代价函数和梯度下降的代码，但我不太确定它是如何工作的。首先，我知道computeCost代码是如何工作的，因为它只是(1/2M)，其中M是数据的数量。
对于gradientDesce
浏览 3提问于2017-08-10得票数 2
回答已采纳
我正在尝试训练一个模型，使用线性回归和梯度下降来预测基于平方英尺面积的房价，但我不知道哪里错了，预测的hx (假设)大于数值。没有为预测编码，因为我得到了错误。帮帮我。
浏览 33提问于2021-10-06得票数 1
我一直在看Apache Spark MLlib的文档，似乎找不到使用普通最小二乘(OLS)的线性回归。我只看到进行线性回归的随机梯度下降(SGD)方法的基于数值的算法的示例。我需要闭合形式的OLS线性回归方法，而不是SGD。
我很惊讶在这里找到OLS回归是多么困难，因为OLS回归是最基本<em
浏览 72提问于2016-03-02得票数 1
回答已采纳
1回答
如何为sklearn.linear_model.SGDRegressor设置参数使其执行批处理梯度下降？
我想用批处理梯度下降来解决线性回归问题。我需要使SGD的行为像批处理梯度下降，这应该做(我认为)通过使它修改模型在一个时代的结束。它能以某种方式被参数化成那样吗？
浏览 4提问于2020-04-23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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
