待验证50% 置信事实精确时间

单变量线性回归模型可表示为 y = w * x + b，其中w是权重（斜率），b是偏置（截距）

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

从零实现线性回归：用NumPy手写梯度下降理解机器学习

涉及实体

线性回归concept

相关事实

待验证多变量线性回归可用矩阵形式表示为 y = X · W + b80% 相似待验证低秩参数化将完整协方差矩阵分解为Σ = WW^T + D的形式，使参数量从O(d²)降至O(dr)67% 相似待验证L2正则化（Ridge回归）从贝叶斯视角等价于假设模型参数服从均值为零的高斯先验分布63% 相似待验证LoRA的原理是将微调中权重变化量ΔW分解为两个低秩矩阵的乘积（ΔW = A×B）63% 相似待验证如果所有层都仅做线性变换，无论网络多少层其整体效果等价于单层线性模型63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/901603

API

curl https://kongchang.com/api/v1/knowledge/claims/901603

MCP

get_claim(id=901603)