machine-learning - 梯度下降在线性回归中的作用是什么？

Question

有人可以给我一个关于如何在线性回归中使用梯度下降的高层次 View 吗？我知道梯度下降基本上可以有效地找到局部最小值，但这实际上如何帮助形成数据回归？有人可以给我一个事件顺序，其中线实际上形成到数据点吗？我了解如何计算一个点的梯度，但不知道它实际上如何帮助更有效地形成线。

Answer 1

我在这里找到了可靠的答案:https://spin.atomicobject.com/2014/06/24/gradient-descent-linear-regression/

理解这一点的技巧是知道您必须计算 y = mx+b 的 m 和 b 值才能开发成本函数，但这会为您提供最佳和最差拟合线的新数据集。然后，您使用梯度下降来基本上找到最低误差线，其中包含该线的实际 m 和 b 值。这个链接有一个非常好的图表(在我的非专业机器学习观点中)，显示了错误图的样子，如果您了解梯度下降，您可以看到它如何沿着图表传播以找到最低的错误。很抱歉在这个问题上操之过急，但希望它可以帮助其他刚接触机器学习的人!