斯坦福大学机器学习第四课“多变量线性回归(Linear Regression with Multiple Variables)”

本课的课件资料：PPT   PDF

1) Multiple features(多维特征)

2) Gradient descent for multiple variables(梯度下降在多变量线性回归中的应用)

3) Gradient descent in practice I: Feature Scaling(梯度下降实践1：特征归一化)

4) Gradient descent in practice II: Learning rate(梯度下降实践2：步长的选择)

5) Features and polynomial regression(特征及多项式回归)

6) Normal equation(正规方程-区别于迭代方法的直接解法)

7) Normal equation and non-invertibility (optional)(正规方程在矩阵不可逆情况下的解决方法)

•  

时间: 2012年 7月 12日 分类:机器学习 作者: 52nlp (2,630 基本)