文件名称：梯度下降数据科学介绍000
文件大小：62KB
文件格式：ZIP
更新时间：2024-03-16 12:52:11
JupyterNotebook
梯度下降 学习目标 了解如何从RSS转到找到“最合适”的行 了解成本曲线及其显示内容 介绍 在上一节中，我们看到了在选择回归线的斜率和y截距值之后，如何计算残差平方和（RSS）和相关的均方根误差（RMSE）。 我们可以使用RSS或RMSE来计算一条线的准确性。 在本课程中，我们将继续使用RSS，因为这是两者中的简单者。 一旦我们计算了一条线的精度，就可以通过最小化RSS来改进该线。 这是梯度下降的任务。 但是在学习梯度下降之前，让我们回顾一下并确保我们了解如何评估我们的直线如何拟合我们的数据。 回顾绘制数据和回归线 对于此示例，让我们假设我们的数据如下所示： first_movie = { 'budget' : 100 , 'revenue' : 275 } second_movie = { 'budget' : 200 , 'revenue' : 300 } third_movie
【文件预览】：
gradient-descent-data-science-intro-000-master
----.gitignore(41B)
----cost-curve-plot.png(32KB)
----LICENSE.md(1KB)
----cost-curve.png(25KB)
----CONTRIBUTING.md(2KB)
----error.py(2KB)
----graph.py(2KB)
----README.md(13KB)
----.learn(87B)
----linear_equations.py(1001B)
----index.ipynb(24KB)