《李宏毅机器学习》回归

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档

文章目录

  • 目录
  • 一、回归的模型步骤
  • 二、三个步骤的具体做法
    • 1.线性模型
    • 2.损失函数
    • 3.模型优化
  • 总结


前言

提示:这里可以添加本文要记录的大概内容:

例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。


提示:以下是本篇文章正文内容,下面案例可供参考

一、回归的模型步骤

step1:模型假设,选择模型框架(线性模型)

step2:模型评估,如何判断众多模型的好坏(损失函数)

step3:模型优化,如何筛选最优的模型(梯度下降)

二、三个步骤具体东西

1.线性模型:

线性模型:

1.一个特称:

《李宏毅机器学习》回归_第1张图片

2.多个特征:

《李宏毅机器学习》回归_第2张图片

2.模型评估:损失函数

1.单个特征:

《李宏毅机器学习》回归_第3张图片

《李宏毅机器学习》回归_第4张图片

求出能使误差最小的w,b的值来。

(在对应的李宏毅机器学习上介绍了一些数学方法)

略。。。

3.模型优化:如何筛选最优的模型

1.两个input合并到一个线性模型中。

2.更多input更多的参数。

3.加入正则化。


你可能感兴趣的:(回归,python)