Igen, a lineáris regresszió paraméterei analitikusan megtalálhatók a legkisebb négyzetek módszerével. A ( y = X\beta + \varepsilon ) modell esetén, ahol (X) a jellemzők mátrixa, (y) a célértékek vektora, a (\beta) paraméterek a következő egyenlet megoldásával találhatók:

[ \beta = (X^T X)^{-1} X^T y ]

Ez a módszer pontos megoldást ad, ha a (X^T X) mátrix invertálható. A gradiens csökkenés akkor használatos, amikor az adatok mérete nagyon nagy vagy a mátrix nem invertálható, vagy összetettebb modellek esetén.

Korábbi Következő