首先回顾梯度下降： 当确定了初始值和步长后，根据梯度下降的算法，函数会不断得迭代，最后收敛得到极值。那么收敛的条件是什么？ 1、最终目标f_ch...

=== 名词解释 === BGD： 批量 - 梯度下降算法SGD： 随机 - 梯度下降算法MBGD：小批量 - 梯度下降算法 === 批...

=== 梯度下降理论 === 概念：想象你身处在一座山上，山上有很多倾斜角度不同的下坡路。现在我们想尽快走到山脚下，最快的方法是什么？首先，你要...

回顾：同时使用L1正则和L2正则的线性回归模型就称为Elastic Net， 在实际工作中，对于各种算法模型(线性回归)来讲，我们需要输入θ、p...

用L2正则的线性回归模型，称为Ridge回归 (岭回归) 用L1正则的线性回归模型，称为LASSO回归 === L2和L1的比较 === ，由于...

1、引入头文件 2、设置字符集，防止中文乱码，拦截异常 3、创建模拟数据 4、将其设置为矩阵 (10, 1) 5、配置多个管道 RidgeCV和...

== 损失函数 == 损失函数是衡量一个模型好坏的指标，一般来说损失函数的值越小越好。 0~1损失函数： J(θ)= 如果预测值不等于真实值，J...