                        课程
                    
                        /后端开发
                        
                            /Python
                        
                        /Python实现线性回归

梯度下降的公式的解释

请问老师，梯度下降公式中学习速率乘上损失函数的偏倒的意义仍然不理解，什么叫对每次损失函数减小的维度进行不近似的参数递减？最小二乘法的公式是通过矩阵求导得到的吗？是否也可以用线性代数的知识解释呢？

慕婉清4872412

2018-07-09

源自：Python实现线性回归 2-4

关注问题我要回答

1605

操作

收起

1 回答

Tsuki_suki
2018-07-13

损失函数的偏导就是一个导数，就是theta的斜率，调节学习率是为了斜率变化不大，这样多次迭代就能达到最低值

0 回复有任何疑惑可以回复我~

收起回答

0/150

提交

取消

Python实现线性回归

参与学习 26192 人
解答问题 38 个

掌握python进行线性回归分析的原理及编程实践

进入课程

本课相似问答

2 回答1 最小二乘和梯度下降的公式怎么得来的？

1 回答【小白提问】梯队下降法的temp缓存

1 回答请问，theta 公式求出来应该就是4*1，为啥打印出来不是？而是需要转置？

3 回答这个错误是什么？求解答。

1 回答先休息一下

搜索更多本课相关问答

梯度下降的公式的解释

我要回答关注问题

热搜

最近搜索清空

梯度下降的公式的解释

1 回答

本课相似问答

梯度下降的公式的解释