1回答
我正在使用波士顿的数据集作为我的输入，并且我正在尝试建立一个模型来使用RM (每个住宅的平均房间数)来预测MEDV (以美元为单位的自住房屋的中位数)。我对中的以下代码进行了杂乱处理，但并不像你所看到的那样。theta_history[[i]] <- theta[1,] -3.431269根据Digitheads博客，他使用lm (
浏览 0提问于2017-02-19得票数 1
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
浏览 6提问于2017-12-04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。
浏览 11提问于2016-06-28得票数 4
回答已采纳
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。我没有看到有或没有相互作用的</em
浏览 0提问于2018-02-16得票数 3
回答已采纳
2回答
我最近在研究神经网络的理论。我对梯度下降和激活函数在人工神经网络中的作用有点困惑。
如果我对模型使用激活函数(例如sigmoid )，但没有使用梯度体面来改进<e
浏览 4提问于2019-11-11得票数 1
回答已采纳
我对fit()和partial_fit()的SGDClassifier方法感到困惑。文件中都说，“用随机梯度下降来拟合线性模型。”关于随机梯度下降，我所知道的是，在一次迭代中更新模型的参数需要一个训练示例(或整个训练的一部分)。梯度下降在每次迭代中使用整个数据集。我想用logistic回归来训练一个模型。我要实现法向梯度
浏览 2提问于2016-11-18得票数 0
回答已采纳
4回答
我是机器学习的新手，我正在尝试为我的一个项目分析分类算法。我在sklearn库中偶然发现了SGDClassifier。但许多论文都将SGD作为一种优化技术。有人能解释一下SGDClassifier是如何实现的吗？
浏览 1提问于2017-08-02得票数 7
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。所以我决定：theta现在： 0.
浏览 3提问于2015-07-18得票数 3
回答已采纳
2回答
我试图学习线性回归使用普通的最小二乘和梯度下降从零。我阅读了Scikit学习函数的文档，我没有看到任何方法来调整学习速度或sklearn.linear_model.LinearRegression类的时代。有没有其他好的
浏览 0提问于2020-09-05得票数 3
回答已采纳
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，它返回正确的输出但是对于第二个输出，它再次返回0，因此权值被调整，直到激活函
浏览 0提问于2018-04-07得票数 1
回答已采纳
2回答
我是做线性回归与多个特点。我决定用正规方程法求线性模型的系数。如果我们使用梯度下降的线性回归多变量，我们通常采取特征缩放，以加快梯度下降收敛。现在，我将使用正规方程公式：我有两个矛盾的信息源。第一章指出法方程不需要特征标度.在另一种情况下，我可以看到，必须进行特性规范化。资料来源：
在这两篇文章的结尾，给出了关于正规方程中
浏览 2提问于2015-12-08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
我理解梯度下降是如何工作的，用户可以手动定义梯度下降函数，以最小化一些成本函数。我的问题很普遍，当我们训练和测试机器学习模型，如线性回归或随机森林时，GD在科学学习代码中会出现在哪里？GD只是嵌入到.fit()函数中吗？还是我们需要将它作为模型的一个参数？
浏览 5提问于2020-09-23得票数 1
回答已采纳
我试着理解我们能不能实现一个简单的线性回归模型。据我所知，我们需要为此定义两个向量：$y=$ -平均价格。让我们来画这个：在乙状结肠分离器之前，我将尝试一个简单的线性分离器。📷
正如我们所看到的，分隔符是不准确的，让我们在f(1)处尝试二次代价函数
浏览 0提问于2018-03-08得票数 1
回答已采纳
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
2回答
在我最近参加的一些机器学习课程中，我讨论了梯度下降，以找到最适合线性回归的直线。在一些统计类中，我了解到我们可以使用统计分析，使用均值和标准差来计算这一行-- ，为什么这一看似更简单的技术不用于机器学习？
我的问题是，梯度下降是拟合线性模型的首选方法吗？如果是，为什么？还是教授只是在一个简单的设置中使用梯度<e
浏览 6提问于2014-11-07得票数 7
回答已采纳
2回答
因此，评估框图如下：我试验了线性(线性回归，线性支持向量机)和非线性模型( RBF，随机森林，梯度增强机的支持向量机)。我感兴趣的是寻找一种比较线性模型和非线性模型的评价方法。
这是为了科学研究。指出R-平方可能不是非线性模型的适当测度，而X-平方检验是衡量拟合优度的较
浏览 0提问于2018-08-06得票数 8
1回答
从依到问题在互联网上，偏差是一个可学习的参数，有不同的解决方案来更新它，但我没有找到一个简明的方法，以正确地更新偏见在培训。📷📷📷📷
据@诺亚·韦伯(Noa
浏览 0提问于2020-03-11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
