machine-learning - 为什么实际中是 theta*X 而不是 theta'*X？

Question

在 Andrew Ng 进行机器学习 MOOC 时，他理论上解释了 theta'*X 为我们提供了假设，而在做类(class)时我们使用 theta*X。为什么会这样呢？

Answer 1

theta'*X 用于计算单个训练示例 当 X 是一个 向量的假设>。然后您必须计算 theta' 才能得到 h(x) 定义。

在练习中，由于您有多个训练示例，X 是一个矩阵(您的训练集)，其中“m x n”维度，其中m 是训练示例的数量，n 是特征的数量。

现在，您想用您的 theta 参数一步计算所有训练示例的 h(x)，对吗？

这里是技巧:theta 必须是一个 n x 1 向量，那么当你进行矩阵向量乘法 (X*theta) 时，你将获得一个 m x 1 向量训练集中的所有 h(x) 训练示例(X 矩阵)。矩阵乘法将逐行创建向量 h(x)，进行相应的数学计算，这将等于每个训练示例中的 h(x) 定义。

你可以手工计算一下，我做到了，现在很清楚了。希望我能帮助别人。 :)