文件名称：multivariable-functions-ds-apply-000
文件大小：521KB
文件格式：ZIP
更新时间：2024-04-21 09:31:42
JupyterNotebook
多变量函数 了解如何将多元函数表示为3D图 了解当我们想到回归函数的误差（成本）时，它如何随斜率和y截距值的变化而变化 了解如何从三个维度考虑回归线的成本曲线 回顾我们去过的地方以及我们为什么在这里 在继续之前，让我们确保我们了解自己的位置。 我们通过简单地绘制数据开始讨论。 然后，我们绘制一条回归线以估计输入的变化如何影响输出的变化。 现在，由于我们的回归线不能完美地预测我们的数据，因此我们通过计算残差平方和（RSS）为回归线的准确性添加一个数字。 众所周知，RSS的大小是y截距和斜率值的函数，因此我们可以将RSS绘制为这些变量之一的函数。 因为我们想以一种有效的方式逼近最佳拟合线，所以我们在y截距的值处看一下成本曲线的斜率，以告诉我们是增大还是减小y截距变量，以及该变化有多大做。 我们甚至可以在不知道成本函数其余部分的情况下进行更改，而只需看一下当前值的斜率即可。 这种技术称为梯度
【文件预览】：
multivariable-functions-ds-apply-000-master
----.gitignore(41B)
----README.md(6KB)
----traveller-stepping.jpg(12KB)
----yx2-frames.png(42KB)
----3d-plot.py(1KB)
----cost-curve.png(25KB)
----parabolayx2.png(56KB)
----.learn(87B)
----index.ipynb(159KB)
----regression-scatter.png(29KB)
----CONTRIBUTING.md(2KB)
----x3y.png(48KB)
----parabola.png(21KB)
----gradient.py(2KB)
----tangent-lines.png(33KB)
----graph.py(4KB)
----LICENSE.md(1KB)
----plt-3d-yx2.png(45KB)
----gradientdescent.png(112KB)