岭回归 发表于 2018-04-02 更新于 2020-02-27 分类于 机器学习 ， 算法 ， 回归 阅读次数： Disqus： 假设函数: $h_{\theta}=\theta_{0}x_{0}+\theta_{1}x_{1}+…+\theta_{n}x_{n}$ 损失函数: $J(\theta)=\frac{1}{2m}\sum_{i=1}^{m}(h_{\theta}(x^i)-y^i)^2+\lambda\sum_{j=1}^{n}\theta_{j}^2$ 目标: $\min J(\theta_{0},\theta_{1},\theta_{2}….\theta_{n})$