机器学习当中的参数吸入向量形式
| 
101 | 
0
原标题：机器学习当中的参数吸入向量形式
原文来自：博客园 原文链接：https://www.cnblogs.com/geeksongs/p/11156033.html
我们在线性回归模型当中，时常遇到将w与b吸入w^的向量形式写为：w^=（x,b）进而写成y=w^(t)x^的形式，这仅仅是为了某些人看公式的方便，而不是处于实际的作用。具体将这两个参数吸入为向量的过程，我们可以看看下面的方案：
其实 ˆ w和 ˆ x在数学当中分别称为增广权重向量和增广特征向量，计算的公式如下：
其中⊕定义为两个向量的拼接操作。不失一般性，在本章后面的描述中我们采用简化的表示方法，直接用w和x来表示增广权重向量和增广特征向量。即线性回归的模型简写为f(x;w) =w T x，是不是感到十分奇怪呢？毕竟一般情况下学数学的人就喜欢随便乱造符号故意装怪，其实也不是为了装怪，主要是在后面我们进行正规方程的推导当中这样会更加容易一些，减少计算量。
免责声明：本文来自互联网新闻客户端自媒体，不代表本网的观点和立场。
合作及投稿邮箱：E-mail:editor@tusaishared.com
下一篇：人工智能07 盲目搜索
热门资源
Python 爬虫（二）...
所谓爬虫就是模拟客户端发送网络请求，获取网络响...
TensorFlow从1到2...
原文第四篇中，我们介绍了官方的入门案例MNIST，功...
TensorFlow从1到2...
“回归”这个词，既是Regression算法的名称，也代表...
机器学习中的熵、...
熵 (entropy) 这一词最初来源于热力学。1948年，克...
TensorFlow2.0（10...
前面的博客中我们说过，在加载数据和预处理数据时...
智能在线
400-630-6780
聆听.建议反馈
E-mail: support@tusaishared.com
资源分类
