【技术实现步骤摘要】
基于正规方程的高效机器学习算法、装置及可读存储介质
本专利技术涉及机器学习算法
，特别涉及一种基于正规方程的高效机器学习算法、装置及可读存储介质。
技术介绍
随着计算机科学的发展，机器学习作为计算机科学与统计学的分支，已成为了一种重要的计算科学。具体的，机器学习通过学习观测事实，研究计算机算法和架构，目前被认为是实现人工智能的主要技术。可用于研发人工智能软件、硬件以及智能机器。借助计算机科学的快速发展，机器学习技术在高效网络搜索、实用语音识别、人脸识别、汽车自动驾驶以及基因预测等方面将大放异彩。一般的，研究者通常认为机器学习算法主要分为四类：监督学习算法、无监督学习算法、半监督学习算法以及加强学习算法。其中，监督学习使用带有标签的样本进行学习，监督学习算法包括k近邻算法、线性回归、逻辑回归、支持向量机、决策树、随机森林以及神经网络等。正规方程是监督学习中线性回归的主要算法。对比递归下降算法，正规方程算法由于不需要使用学习率，无需多次迭代以及无需特征缩放的特点，使得其在线性回归方面拥有更多的优势。然而，正...
【技术保护点】
1.一种基于正规方程的高效机器学习算法，其特征在于，所述算法包括如下步骤：/n对当前心动矩阵进行转置运算，以得到心动转置矩阵，并将所述当前心动矩阵与所述心动转置矩阵进行相乘以得到第一心动矩阵；/n对所述第一心动矩阵进行求逆以得到第一逆矩阵，将所述第一逆矩阵与所述心动转置矩阵进行相乘以得到第二心动矩阵；/n根据所述第二心动矩阵以及标签集通过向量乘法计算得到权重向量，根据所述权重向量构建机器学习算法模型并计算机器运算。/n
【技术特征摘要】
1.一种基于正规方程的高效机器学习算法，其特征在于，所述算法包括如下步骤：
对当前心动矩阵进行转置运算，以得到心动转置矩阵，并将所述当前心动矩阵与所述心动转置矩阵进行相乘以得到第一心动矩阵；
对所述第一心动矩阵进行求逆以得到第一逆矩阵，将所述第一逆矩阵与所述心动转置矩阵进行相乘以得到第二心动矩阵；
根据所述第二心动矩阵以及标签集通过向量乘法计算得到权重向量，根据所述权重向量构建机器学习算法模型并计算机器运算。
2.根据权利要求1所述的基于正规方程的高效机器学习算法，其特征在于，所述当前心动矩阵的矩阵表达式为：
其中，X为m*(n+1)的矩阵，m代表样本个数，n代表特征向量个数，x(i)代表第i个样本；
拥有n个特征的x(i)表示为：
3.根据权利要求2所述的基于正规方程的高效机器学习算法，其特征在于，在所述对当前心动矩阵进行转置运算，以得到心动转置矩阵的步骤中，所述心动转置矩阵的矩阵表达式为：
4.根据权利要求1所述的基于正规方程的高效机器学习算法，其特征在于，所述第一心动矩阵的计算公式为：
X'＝XT×X
其中，X'表示所述第一心动矩阵，XT表示所述心动转置矩阵，X表示所述当前心动矩阵。
5.根据权利要求4所述的基于正规方程的高效机器学习算法，其特征在于，所述第二心动矩阵的计算公式为：
X”'＝X”×XT
其中，X”'表示所述第二心动矩阵，XT表示所述心动转置矩阵，X”表示所述第一逆矩阵，即X”＝X'-1。
6.根据权利要求5所述的基...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。