machine-learning - 梯度下降的迭代方法 - 线性回归

Question

我有这个模型来给不同的学校打分：

它被要求描述一种迭代方法来解决问题。

用多个变量来描述多项式回归是否是一个好方法？形式化我们有一个包含 m 个样本的数据集 D。我可以定义误差函数 J(theta) 并在梯度下降算法的帮助下找到最小化误差函数的参数。

它可以是解决问题的迭代方法吗？

标签： machine-learninglinear-regressionsupervised-learning

Answer 1

多项式回归被认为是多元线性回归的特例，因此可以拟合梯度下降。

梯度下降是一种迭代优化技术，因此如果使用梯度下降最小化成本函数，答案是肯定的。