Return to Video

Linear Regression with Gradient Descent - Intro to Data Science

  • 0:01 - 0:04
    當我們做線性迴歸時 我們有一些資料點
  • 0:04 - 0:09
    假設我們有一、二、三…到 M 個點
  • 0:09 - 0:12
    每個點有一個輸出 Y
  • 0:12 - 0:15
    和一些輸入 從 X1 到 XN
  • 0:16 - 0:20
    在棒球的例子裡面 Y是一生裡面全壘打的次數
  • 0:20 - 0:24
    X1 到 XN 則像是球員的身高跟體重
  • 0:24 - 0:28
    M 個資料點則是各個不同的棒球選手
  • 0:28 - 0:33
    所以資料點一可能是德瑞克·基特 資料點二是貝瑞·邦茲
  • 0:33 - 0:35
    資料點M是貝比·魯斯 等等
  • 0:35 - 0:38
    一般來說 我們嘗試預測輸出的值
  • 0:38 - 0:42
    會把資料的每個輸入 個別乘以某個係數
  • 0:42 - 0:46
    我們這邊命名為 θ1 到 θN
  • 0:46 - 0:49
    各個 θ值 後面又叫各個模型的參數或者權重
  • 0:49 - 0:53
    告訴我們在預測輸出時
  • 0:53 - 0:56
    每個輸入有多重要
  • 0:56 - 0:57
    像是 如果 θ1很小
  • 0:57 - 1:02
    那麼 X1 一定對預測 Y 不是很重要
  • 1:02 - 1:04
    反過來 如果 θN很大
  • 1:04 - 1:07
    那麼 XN 對 Y 的預測應該是個重要角色
  • 1:07 - 1:10
  • 1:10 - 1:14
  • 1:14 - 1:17
  • 1:17 - 1:20
  • 1:20 - 1:24
  • 1:24 - 1:27
  • 1:28 - 1:32
  • 1:32 - 1:35
  • 1:35 - 1:38
  • 1:38 - 1:41
  • 1:41 - 1:44
  • 1:45 - 1:49
  • 1:49 - 1:53
  • 1:53 - 1:57
  • 1:57 - 1:58
  • 1:58 - 2:02
  • 2:02 - 2:05
  • 2:05 - 2:08
  • 2:08 - 2:12
  • 2:12 - 2:17
  • 2:17 - 2:21
  • 2:21 - 2:23
  • 2:23 - 2:27
  • 2:27 - 2:30
  • 2:31 - 2:34
  • 2:34 - 2:35
Title:
Linear Regression with Gradient Descent - Intro to Data Science
Video Language:
English
Team:
Udacity
Project:
ud359: Intro to Data Science
Duration:
02:36

Chinese, Traditional subtitles

Incomplete

Revisions Compare revisions