[李宏毅机器学习笔记] 1.线性回归
2018-08-17 17:07
197 查看
- 回归:输出一个标量。
例子:用回归计算pokemon的CP值。
步骤1:建立模型
w:权值
x:特征
步骤2:评价函数好坏
获取:训练数据
定义损失函数:
步骤3:找到最优函数
解最优问题:
方法:梯度下降GD
一个参数时:获取初始值 → 计算L对W的偏微分(梯度的反方向下降最快),乘以learning rate,取负 → 下一个位置 →…→ 局部最优(可能不是全局最优)
两个参数时:分别更新
- 过拟合问题:选择合适的model(并不是越复杂越好)。
- 提高精确度:收集更多数据。
相关文章推荐
- 机器学习笔记:简单线性回归
- 机器学习笔记一:线性回归
- 斯坦福大学机器学习笔记--第一周(5.线性回归的梯度下降)
- Andrew Ng 机器学习笔记 02 :线性回归与梯度下降
- 机器学习笔记1 -- 线性回归
- # 机器学习笔记2——参数学习、非参数学习、局部加权线性回归、线性回归的概率解释、logistics回归
- 吴恩达机器学习--单变量线性回归【学习笔记】
- 机器学习推导笔记1--机器学习的任务、步骤、线性回归、误差、梯度下降
- 学习笔记【机器学习重点与实战】——1 线性回归
- 机器学习笔记(3)线性模型之线性回归
- 机器学习笔记四:线性回归回顾与logistic回归
- [机器学习]机器学习笔记整理12-线性回归概念理解
- 机器学习笔记(七)线性回归与对数几率回归
- 机器学习笔记_回归_1:线性回归
- 机器学习笔记之应用于线性回归的梯度下降算法
- 【学习笔记】斯坦福大学公开课(机器学习) 之一:线性回归、梯度下降
- Machine Learning(Stanford)| 斯坦福大学机器学习笔记--第一周(2.线性回归,代价函数)
- Stanford机器学习笔记-1.线性回归
- 机器学习笔记(一)线性回归
- [机器学习入门] 李宏毅机器学习笔记-25(Sturctured Linear Model;结构化预测-线性模型)