IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> 回归---李宏毅《机器学习》笔记02 -> 正文阅读

[人工智能]回归---李宏毅《机器学习》笔记02


前言

这章讲的是基础的回归,以前在金融工程系的很多课程都有学习到,所以学起来还是很快的,几乎没有新知识。


一、回归是什么?

回归就是找到一个函数,通过输入特征x,输出一个数值

二、模型步骤

  1. 模型假设,选择模型框架(在这一章是线性模型)
  2. 模型评估,判断模型的好坏(损失函数)
  3. 模型优化,选择最优的模型(梯度下降)

2.1 线性模型

2.1.1 一元线性模型(单个特征)

y = b + w x y=b+wx y=b+wx

2.1.2 多元线性模型(多个特征)

y = b + ∑ w ? i ? x ? i ? y=b+\sum w~i~x~i~ y=b+w?i?x?i?

2.2 模型评估-损失函数

L ( w , b ) = ( ∑ ∣ y ? y ^ ∣ ) / n L(w,b)=(\sum| y-\hat{y}|)/n L(w,b)=(y?y^?)/n
这里loss函数其实可以灵活定义
M A E = ( ∑ ∣ y ? y ^ ∣ ) / n MAE=(\sum| y-\hat{y}|)/n MAE=(y?y^?)/n
M S E = ( ∑ ∣ y ? y ^ ∣ ) 2 / n MSE=(\sum| y-\hat{y}|)^2/n MSE=(y?y^?)2/n

2.3 最佳模型-梯度下降

  1. 寻找使loss最小的参数组合
  2. 梯度下降
    2.1 寻找一个初始参数组合值
    2.2 计算loss函数对参数组合分别求微分,如果是负的,增加该参数的值,如果为正,减小该参数的值
    2.3 更新参数组合
    2.4 重复上述步骤,直到满足条件停止
  3. 学习率:梯度下降中参数移动的步长 η \eta η
    w 1 = w 0 ? η d L / d w ∣ w = w 0 w^1 = w^0 - \eta dL/dw|_{w=w^0} w1=w0?ηdL/dww=w0?
  4. 梯度下降算法遇到的问题
    4.1 stuck at local minima 即停留在loss函数的极小值点而非最小值点
    4.2 stuck at saddle point 即停留在loss函数的鞍点而非最小值点
    4.3 Stuck at local minima 即停留在loss函数的当前最优点

三、验证训练好的模型的好坏

划分训练集测试集进行测试

四、一元n次线性模型

y = b + ∑ i = 0 n w i ? x 1 i ? y=b+\sum_{i=0}^n w_i~x_1^i~ y=b+i=0n?wi??x1i??
如果把平方项看作一个特征,则它还是线性模型。

五、过拟合问题

当不断提高模型的次方时,发现在训练集中表现更优秀的模型,在测试集中效果反而更差。

六、步骤优化

  1. 将多个模型合并到一个模型中
  2. 加入更多的特征,更多input。(如果数据量没增加,仍然会导致过拟合)
  3. 加入正则化
    3.1 在2中加入更多特征,但可能某些特征的权值过高,仍然会导致过拟合,所以加入正则化
    3.2 在损失函数后加上惩罚项 ∑ λ ( w i ) 2 \sum\lambda(w_i)^2 λ(wi?)2,能使参数更小,模型更平滑

总结

希望能尽快学完上手实践
  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-08-19 12:04:06  更:2021-08-19 12:05:48 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/27 19:44:09-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码