咕了好长时间的Logistic回归, 今天晚上不小心睡着了现在不困就写一点.

梯度下降实现线性拟合矩阵推导及实现 acm退役选手正在尝试新东西, 刚开的机器学习的坑. 实现线性拟合实际上还是用高中最小二乘的那种东西, 只不过不是通过计算直接求得拟合的参数, 而是用梯度下降的方法计算逼近参数. 用一个二维的直线拟合做例子. 高中就学过拟合实际上就是要找到一个直线 来尝试代表一组数据, 来达到预测的目的. 为了让预测的结果更加准确, 所以要让这个直线尽可能的逼近仅有的数...