就我所知,通过更新权重(重复直到收敛),使用梯度下降算法将成本降至最低,在线性回归的情况下,我们有
m : slope
c : intercept (constant value)
import numpy as np
from sklearn.linear_model import LinearRegression
x= np.asarray([(i+np.random.randint(1,7)) for i in range(1,31)]).reshape(-1,1)
y= np.dot([3],x.T) + 5
reg = LinearRegression()
reg.fit(x,y)
我已经使用了sklearn库,但在这里,我们没有在初始化或执行reg.fit()
时将迭代和学习率作为输入.
为什么斯莱恩的线性回归不要求迭代和学习率?它是设置了某个缺省值还是使用了其他方法?