文章来源：
http://blog.csdn.net/xiazdong/article/details/7950087
本文会讲到：
(1)另一种线性回归方法：Normal Equation；
(2)Gradient Descent与Normal Equation的优缺点；
前面我们通过Gradient Descent的方法进行了线性回归，但是梯度下降有如下特点：
(1)需要预先选定Learning rate；
(2)需要多次iteration；
(3)需要Feature Scaling；
因此可能会比较麻烦，这里介绍一种适用于Feature数量较少时使用的方法：Normal Equation；
当Feature数量小于100000时使用Normal Equation；
当Feature数量大于100000时使用Gradient Descent；
Normal Equation的特点：简单、方便、不需要Feature Scaling；
其中Normal Equation的公式：
其中
![]()
表示第i个training example；
![]()
表示第i个training example里的第j个feature的值；
m为#training example；
n为#feature；
|
举个实际的例子：
![]()
|
阅读(624) | 评论(0) | 转发(0) |
