dsc gradient descent intro online ds ft 120919 源码

梯度下降简介 介绍 当特征数量有限时,可以使用封闭形式的普通最小二乘编程来求解回归的最佳值,但是当特征很多时,此过程可能会在计算上变得昂贵。 因此,像梯度下降算法这样的迭代算法是统计和机器学习中许多模型的基础! 您先前看到了选择回归线的斜率和y截距值后,如何计算残差平方和(RSS)和相关的均方根误差。 我们可以使用RSS或RMSE来计算一条线的准确性。 在本课程中,我们将使用RSS来迭代找到最适合当前问题的最合适的线! 一旦计算出一条线的精度,我们就可以通过最小化RSS来接近一条线。 这是梯度下降技术的任务。 但是在学习梯度下降之前,让我们回顾一下并确保我们了解如何评估线对数据的拟合程度。 目标 你将能够: 描述什么是梯度下降及其与最小值的关系 描述成本曲线及其沿线的意义 回顾绘制数据和回归线 对于此示例,让我们想象一下,我们有一个预测变量$ x $和一个因变量$ y $。 我们以知