线性回归及其几率解释

线性回归是一种监督学习方法. 对每一个样原本说： web hθ(x)=θ0+θ1x1+θ2x2+...+θnxn 即： h(x)=∑i=0nθixi=θTX 其中， hθ(x) 为预测值， xi 为样本的第i个特征，且 x0=1 ； θi 为该特征下的权重。线性回归就是要在已有的样本特征和标签下学习特征权重，从而在待测样本中应用学习好的特征权重，获得待测样本的标签。 定义损失函数： J(θ)=12

>>阅读原文<<