四、多变量线性回归(Linear Regression with Multiple Variables)
4.1 多维特征
4.2 多变量梯度下降
4.3 梯度下降法实践1-特征缩放
4.4 梯度下降法实践2-学习率
4.5 特征和多项式回归
4.6 正规方程
4.1 多维特征当特征数量超过1个时,特征使用n维列向量X,模型参数使用n维列向量
4.3 梯度下降法实践1-特征缩放为了使得梯度下降算法能够更快更好的收敛,将所有的特征缩放;
一般特征值在[-3,3]或[-1/3,1/3]之间都视作OK。
4.4 梯度下降法实践2-学习率
学习率 4.5 特征和多项式回归
对于某些问题,线性回归可能不适用,应当建立多项式,进行多项式回归,如三次多项式:
梯度下降 | 正规方程 |
---|---|
需要选择学习率 | 不需要选择学习率 |
需要多次迭代 | 一次运算得出 |
当特征数量n很大时也能较好适用 |
需要计算矩阵求逆,因为矩阵逆的计算时间复杂度为O(n^3 ),n较大时求逆的时间代价太大,通常来说当n小于10000 时是可以接受的 |
适用于各种类型的模型 | 只适用于线性模型,不适合逻辑回归模型等其他模型 |