线性回归公式h(theta)=theta^x。为什么theta和x都要写成列向量形式?是为了计算机处理数据吗?计算机一般是如何处理几类矩阵的运算的?

wgb - 机器学习与数据挖掘从业者

赞同来自: pj0523

用向量表示有以下几个好处: 1,模型表示起来更加简便; 2,会得到许多更加深刻的结论(比如最小二乘估计实际上是Y在样本空间上的投影) 3,更容易编程实现以及计算更加快捷。   至于计算机一般如何处理矩阵运算的,我也不大清楚。但是我觉得你如果往这个方向深究的话,可能就有点走偏了。 当然,如果时间非常宽裕,并且非常感兴趣的话,坐等其他人来回答吧!

Robin_TY - PhD@CSU,研究方向:计算机视觉,模式识别

赞同来自: pj0523

这个问题需要对“向量化(vectorization)”再好好理解下。   @wgb已经列出了向量表示的好处,我再补充个例子解释下。向量化的意思就是把一些for循环的操作转换成矩阵的操作,速度会比写一般循环快非常多。比如线性回归,求预测值时,普通做法是一个样本求一次,而m个样本就要用for循环求m次,向量化操作就是用矩阵相乘的方式,一次求出m个样本的预测值。​  

gongfc

赞同来自:

线性回归公式h(theta),应该是 theta.T  * x 吧!! 好像没看到Theta*X ?

要回复问题请先登录注册