1.导入数据,缩放数据(有些模型在递归下降的时候为了更快,将不同特征缩放到相差不多的尺度内。另一种说法是:为了让大值特征不要淹没小值特征(我认为这是不对的。因为还有参数w在控制特征的影响力,所以第一种说法应该是对的))
2.分析问题,选择学习模型。
根据coursera上面的内容,由线性模型类似的,推出多项式模型,h(x) = a0 + a1x1 +a2x1^2+...+ (每一个特征,分裂出几个不同的次方项,等待学习的参数更多。)
3.用数据学习模型(用sklearn库)
1.用sklearn库的线性回归,重要的是参数的配置。
其中一个是:递归下降的步伐 阿尔法。这个常用 损失函数+迭代次数 图像分析。
4.测试集测试。
5.评估是否要回到第二步重来