Laugh's blog

回归预测|梯度下降详解

在了解梯度下降（Gradient Descent）之前，我们先要知道有关线性回归的基本知识，这样可以进一步的加深对梯度下降的理解，当然梯度下降（Gradient Descent）并不单单只能进行回归预测，它还可以进行诸如分类等操作。

关于线性回归的具体讲解本文不详细涉及，只简单列出几个相关公式。(关于线性回归可以看这篇 👉传送门)

翻译|Gradient Descent in Python

1
2
3

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

1	plt.style.use(['ggplot'])

当你初次涉足机器学习时，你学习的第一个基本算法就是 梯度下降 (Gradient Descent), 可以说梯度下降法是机器学习算法的支柱。在这篇文章中，我尝试使用 `python` 解释梯度下降法的基本原理。一旦掌握了梯度下降法，很多问题就会变得容易理解，并且利于理解不同的算法。

如果你想尝试自己实现梯度下降法，你需要加载基本的 \(python\) \(packages\) —— \(numpy\) and \(matplotlib\)