机器学习——线性回归

1.预测函数hθ(x)

2.代价函数（cost function）J

 矩阵表达式：

3.循环迭代求出使得代价函数最小的θ

　　3.1 调节学习率

　　　　3.1.1 批量梯度下降

　　　　3.1.2 随机梯度下降

　　3.2 无需学习率

　　　　3.2.1 正规方程 

4.将各个特征量化到统一的区间

　　4.1 标准化Z-score normalization，【-1，1】

 　　4.2 归一化 ，normalization，【0，1】

 5.多项式回归

 6.欠拟合与过拟合，解决方法：局部加权线性回归（LWR）

 对一个输入 x 进行预测时，赋予了 x 周围点不同的权值，距离 x 越近，权重越高。 

机器学习——线性回归

原文：https://www.cnblogs.com/yrm1160029237/p/11184374.html