1、【李宏毅机器学习(2017)】Regression - Case Study(回归-案例分析)

本文利用机器学习的回归分析方法,通过宝可梦进化前后属性数据,构建模型预测战斗能力(CP)。从模型选择、函数评估到最佳函数确定,详细解析了回归建模过程。并通过正则化解决过拟合问题,提高模型泛化能力。
摘要由CSDN通过智能技术生成

本篇博客将按照机器学习简介中机器学习建模步骤,结合宝可梦(神奇宝贝)具体数据进行案例分析。


目录


Objective

通过训练宝可梦属性的历史数据构建回归模型,输入宝可梦进化前的属性数据,预测宝可梦进化后的Combat Power (CP)。
这里写图片描述

step1:Model

假设进化前的 xcp x c p 与进化后的 xcp x c p 的(即 y y )存在关系 f 1 , f 2 f n , ( f i = b i + w i x c p , i = 1 , 2 n )
这里写图片描述

step2:Goodness of Function

xicp x c p i 表示第 i i 个观测(进化前的CP), y ^ i 表示第 i i 个观测的真实值(进化后的CP),现在捕捉10只宝可梦,记录这10只宝可梦进化前和进化后的CP( x c p i , y ^ i , i = 1 , 2 10 ),在这一案例中 L(w,b)=10n=1(ŷ n(b+wxncp))2 L ( w , b ) = ∑ n = 1 10 ( y ^ n − ( b + w x c p n ) ) 2
这里写图片描述

Loss function L由 w,b w , b 控制,可视化如图,冷色调代表低 L L 值,暖色调代表高 L 值,
这里写图片描述

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值