【发布时间】：2017-05-08 09:27:36
【问题描述】：
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级视图吗？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的顺序，其中线实际上是形成数据点的吗？我了解如何计算一个点的梯度，但不知道这实际上如何帮助更有效地形成直线。
【问题讨论】：
标签： machine-learning linear-regression gradient-descent
【发布时间】：2017-05-08 09:27:36
【问题描述】：
我在这里找到了可靠的答案：https://spin.atomicobject.com/2014/06/24/gradient-descent-linear-regression/
理解这一点的诀窍是知道您必须计算 y = mx+b 的 m 和 b 值来开发成本函数，但这会为您提供最佳和最差拟合线的新数据集。然后，您使用梯度体面基本上找到包含该线的实际 m 和 b 值的最低误差线。这个链接有一个非常好的图表（在我的非专业机器学习看来）错误图表是什么样的，如果你理解梯度体面，你可以看到它如何沿着图表向下移动以找到最低错误。很抱歉在这个问题上开枪，但希望它可以帮助其他一些机器学习新手！
【讨论】：