[人工智能]李宏毅机器学习(二)-回归

所谓回归（Regression）,就是找到一个函数（function），通过输入特征x，输出数值类型的标签（Scalar）。

构建回归模型的步骤与第一节中机器学习的步骤类似，分别为：

• 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）

李宏毅老师通过宝可梦的案例，对一元线性模型、多元线性模型、损失函数、梯度下降等概念进行了深入浅出的讲解， 并对过拟合问题进行了详细的分析。

对于预防过拟合问题的影响，可以通过正则化（Regularization）的方式限制模型的复杂度。

过多深入细致的内容，期待后续课程的学习！

参考资料：

1. Datawhale组队学习【李宏毅机器学习笔记】
2. 李宏毅《机器学习》