机器学习之线性回归、岭回归和Lasso回归.pdf

A线性回归 假设有数据有 其中 , 其中 m为训练集样本数 n 为 样本维度 y 是样本的真实值线性回归采用一个高维的线性函数来尽可能的 拟合所有的数据点最简单的想法就是最小化函数值与真实值误差的平方概 率解释 - 高斯分布加最大似然估计即有如下目标函数 其中线性函数如下 构建好线性回归模型的目标函数之后接下来就是求解目标函数的最优解 即一个优化问题常用的梯度优化方法都可以拿来用这里以梯度下降法