梯度下降的迭代方法 - 线性回归

Question

我有这个模型可以给不同的学校打分：

有人要求我描述解决问题的迭代方法。

用多变量描述多项式回归是否是一个很好的回答方式？ 形式化我们有一个包含 m 个样本的数据集 D。 我可以定义误差函数 J(theta) 并借助梯度下降算法找到使误差函数最小化的参数。

是否可以采用迭代方法解决问题？

Answer 1

多项式回归被认为是多元线性回归的特例，因此可以用梯度下降来拟合。

梯度下降是一种迭代优化技术，因此如果您使用梯度下降来最小化成本函数，那么答案是肯定的。