1、每小节的顺序可以交换吗?它们是相互独立的关系还是层层递进的关系?
不可以,本章以多项式曲线拟合为例,主要需要确定的参数是w和M
从它们是层层递进的关系。
2、多项式拟合的例子可以扩展为一般机器学习的流程吗?
可以。需要注意的是:多项式拟合有两个问题:一个是欠拟合,一个是过拟合,对于欠拟合我们只需要增加参数(或者说特征)是拟合更加好,对于过拟合,我们提到了两种方式来解决,一个是增加数据,通过增加数据的方式增加引入更多的特征从而减少过拟合,另一种是增加正则化项。
3、机器学习训练阶段的目的是训练出什么?
训练出特征以及其权重
(1)训练其实就是一个优化过程,提出一种模型,已知一组数据,定义一种代价函数或者叫损失函数,然后用数学方法得到使得代价函数或损失函数最小的过程,也可以理解为优化参数
(2)如何确定参数,使得优化目标最优化。即:不断地试错,直至最优
(3)一个模型中,有很多参数。有些参数,可以通过训练获得,比如logistic模型中的权重。但有些参数,通过训练无法获得,被称为”超参数“,