通过学习了一段时间的python之后,准备在机器学习领域继续努力。
在书籍的引导下,进行第一个机器学习样例的尝试,对机器学习的过程有了初步的了解。
整个过程并不是很顺利的:
首先是没有数据,于是自己编了个txt文件,并编了10组维度为2的数据(还没找到某个提供数据下载使用的平台)。
然后是今天第一次使用anaconda中的spyder进行编码,由于txt文件内容没有编排好,还请小伙伴一块解决,最后终于解决了问题。
今天尝试的是非常基础的样例:
1.先对数据进行预处理,作出其散点图。
由散点图→决定要使用线性回归中多项式拟合散点来实现。
2.进一步采用平方损失函数‘欧氏距离‘来作为其损失函数,并通过损失函数建立训练模型,最后赋予损失函数参数并评估其模型的好坏(书上原话:大多数机器学习算法,所谓的训练正是最小化某个损失函数的过程):
x、y的值会随着参数的变化而返回相应的损失。
3.在参数为1、2、5、10的情况下,分别出现了四条曲线。
虽然参数为5和10的曲线在相应的位置更接近于初始数据的值,但实际上却不合理,出现了过拟合的现象。
文中必定有许多理解不到位的地方,公式还有代码就不上传了,仅作为自己学习的一个心得,供自己日后反思。