论文部分内容阅读
多元线性回归有着可解释强、建模速度快等优点,在解决实际问题中,对于拟合现实数据是一种经典且简单的模型.传统梯度下降法因其结构简单、稳健性高且容易实现等特点,在多元线性回归求解回归方程系数时,有着高效且准确的表现.但是随着数据数量和维度的与日俱增,传统梯度下降法在数据量大且自变量维度高的情况下,效率则不尽人意.基于此,将提出一种基于分数阶微分改进的梯度下降方法,使得多元回归方程在拟合数据时有更高的效率.