Regression:输入可以是股票市场的各种指数、自动驾驶的检测角度、大数据推荐系统,输出是数字。

实例:宝可梦的CP值(战斗力)预测
        输入的内容包含,分别代表宝可梦的当前战斗力,种类,生命力,体重和身高;输出则是进化后宝可梦的战斗力。即,就是我们要找的函数。

Step1:函数(或者称为模型Model)
        假设函数为,综合考虑影响宝可梦战斗力的其他因素,可以得到更为全面的Linear Model:,是输入的feature、是权重、是bias。
Step2:函数的性能评价
        定义损失函数Loss Function,是当前宝可梦的真实战斗力。输入是上述函数,输出是该函数的性能评价。
Step3:筛选最好的函数
        或者,采用Gradient Descent方法筛选出最好的函数。对于上述损失函数

  • 随机选取一个初始值
  • 计算,令是学习率
  • 重复上述两步......

对于Linear Model,根据梯度下降方法得到的局部最优解同时也是全局最优解(凸优化理论)。分别得到该模型在训练集和数据集的错误率,可以发现适量增加的次数可以减少错误率(重构模型为时在测试集上的错误率最低)。

Underfitting(欠拟合):模型不能很好的拟合训练集的数据,即模型有很大的bias(偏差)。
Overfitting(过拟合):模型可以很好的拟合训练集的数据,但是在测试集上有很大的误差,即模型有很大的variance(方差)。当模型越来越复杂时,bias越来越小而variance会变大。
对于欠拟合,可以重新设计模型:在输入上增加更多的特征;更复杂的模型。对于过拟合,可以从数据集和模型两个方面进行处理:更多的数据集(非常有效,但不是一直奏效);regularization(正则化,使模型的预测曲线趋于平滑,但有可能增大bias)。

将原始训练集划分为Training(新训练集)和Validation(验证集):训练集是为了训练模型,验证集是为了筛选最好的模型。还可以将原始训练集划分为两份新训练集和一份验证集(循环划分)。

机器学习(李宏毅)—— Linear Regression相关推荐

  1. python中的linearregression_【python+机器学习(2)】python实现Linear Regression

    欢迎关注哈希大数据微信公众号[哈希大数据] python实现多元线性回归算法(lr) 想必大家在很早之前就接触过函数的概念,即寻找自变量和因变量之间的对应关系,一元一次.多元一次.一元二次等等,表示的 ...

  2. 机器学习之线性回归(Linear Regression)

    线性学习中最基础的回归之一,本文从线性回归的数学假设,公式推导,模型算法以及实际代码运行几方面对这一回归进行全面的剖析~ 一:线性回归的数学假设 1.假设输入的X和Y是线性关系,预测的y与X通过线性方 ...

  3. 机器学习之单变量线性回归(Linear Regression with One Variable)

    机器学习之单变量线性回归(Linear Regression with One Variable) 1. 模型表达(Model Representation) 我们的第一个学习算法是线性回归算法,让我 ...

  4. 机器学习之多变量线性回归(Linear Regression with multiple variables)

    机器学习之多变量线性回归(Linear Regression with multiple variables) 1. Multiple features(多维特征) 在机器学习之单变量线性回归(Lin ...

  5. Coursera公开课笔记: 斯坦福大学机器学习第四课“多变量线性回归(Linear Regression with Multiple Variables)”

    Coursera公开课笔记: 斯坦福大学机器学习第四课"多变量线性回归(Linear Regression with Multiple Variables)" 斯坦福大学机器学习第 ...

  6. Coursera公开课笔记: 斯坦福大学机器学习第二课“单变量线性回归(Linear regression with one variable)”

    Coursera公开课笔记: 斯坦福大学机器学习第二课"单变量线性回归(Linear regression with one variable)" 发表于 2012年05月6号 由 ...

  7. 机器学习-线性回归(Linear Regression)

    目录 1.什么是线性回归 2. 能够解决什么样的问题 3. 一般表达式是什么 4. 如何计算 4.1 Loss Function--MSE 4.2 标准方程方法 5. 过拟合问题如何解决 5.1 什么 ...

  8. linearregression_机器学习-TensorFlow建模过程 Linear Regression线性拟合应用

    TensorFlow是咱们机器学习领域非常常用的一个组件,它在数据处理,模型建立,模型验证等等关于机器学习方面的领域都有很好的表现,前面的一节我已经简单介绍了一下TensorFlow里面基础的数据结构 ...

  9. 机器学习基础-吴恩达-coursera-(第一周学习笔记)----Introduction and Linear Regression

    课程网址:https://www.coursera.org/learn/machine-learning Week 1 -- Introduction and Linear Regression 目录 ...

  10. 机器学习实战(七)线性回归(Linear Regression)

    目录 0. 前言 1. 假设函数(Hypothesis) 2. 标准线性回归 2.1. 代价函数(Cost Function) 2.2. 梯度下降(Gradient Descent) 2.3. 特征缩 ...

最新文章

  1. Tokyo Tyrant(TTServer)系列(三)-Memcache协议
  2. Redis : redis事务
  3. Codeforces940(A-F)
  4. “玲珑杯”线上赛 Round #15 河南专场 F 咸鱼文章
  5. 【数据结构】4.1图的创建及DFS深度遍历(不完善)
  6. Linux设置封包报头的函数,GitHub - LinuxDigger/RTMP
  7. 微信小程序 git代码管理使用的详细步骤
  8. 判断一个对象是否属于某一类
  9. 云南计算机专升本经验分享
  10. java h5在线音频_H5 录音音频可视化
  11. 在virtualbox中导入.vmdk文件
  12. IP地址 、域名、 URL、 端口
  13. html标签之视频各种标签
  14. 【数据科学家】什么是数据科学?
  15. Qt运行提示QGtkStyle was unable to detect the current GTK+ theme.解决方法
  16. CTR---DIN原理,及deepctr组网实现DIN
  17. 手把手带大家搭建一个java个人网站(腾讯云为例)
  18. r语言中进行数据可视化_R中的数据可视化
  19. 单词接龙 单词接龙的规则是
  20. kotlin Unresolved reference报错解决记录

热门文章

  1. 利用百度云API接口上传照片进行植物识别
  2. 英语口语练习四十二之12种“安静”的表达
  3. 苹果手机数据线充不了电_苹果手机充不进电怎么回事?iPhone充电没反应解决方法...
  4. 扩展名为bat的文件的创建
  5. 大家都在努力,你凭什么不努力
  6. xposed模块开发步骤总结
  7. xposed模块编写教程_太极xposed模块使用教程
  8. day08 系统篇端口扫描CDN服务负载均衡WAF防火墙
  9. MEM/MBA英语基础(06)复合句-名词性从句
  10. CCF-CSP 201809-2买菜 满分题解