《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：

2.多个特征：

2.模型评估：损失函数

1.单个特征：

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。

---