錯誤修正前
from mxnet import ndarray
from mxnet import autograd
import matplotlib.pyplot as plt
true_w = [-2, 5]
true_b = 1.5
num_batch = 1000
x = ndarray.random_normal(shape=[num_batch, 2])
y = ndarray.ones(shape=[num_batch, 1])
y = x[:, 0]*true_w[0]+x[:, 1]*true_w[1]+true_b
其中groundtrue的寫法一般寫成true_x。如true_w數值型的變數一般用num_x。訓練集寫成num_examples
ndarray.random_normal生成正態分佈
ndarray.ondes生成全1矩陣，上面可以不用給y初始化。
修訂後**
機器學習（1） 線性回歸
無正則的線性回歸模型 l1正則的lasso模型 l2正則的ridge regression 嶺回歸 模型 開方均方誤差 rooted mean squared error，rmse 平均絕對誤差 mean absolute error，mae 1.生成學習器例項 lr linearregressio...
機器學習 1 線性回歸
2 linear regression with multiple variables multivariate linear regression 多變數線性回歸 3 gradient descent in practice 3.2 learning rate 3.3 features and p...
機器學習 從線性回歸說起
接觸機器學習與深度學習僅一年的時間，現以筆記形式記錄描述心得體會，必要時會實現相關演算法。部落格中將會提到的演算法大多來自機器學習相關的書籍，如andrew ng的機器學習講義，李航老師的統計學習方法，機器學習實踐，prml，understanding machine learnning found...