1.为什么我们需要机器学习
AI训练师需要为机器挑选合适的model和loss function。不同的model和loss function适合解决不同的问题
2.回归
（1）定义
Regression 就是找到一个函数 functionfunction ，通过输入特征 xx，输出一个数值 ScalarScalar
（2）应用预测
（3）模型步骤
模型假设
单个特征.多个特征
模型评估
从数学的角度来讲，我们使用距离。求【进化后的CP值】与【模型预测的CP值】差，来判定模型的好坏。也就是使用损失函数（Loss function） 来衡量模型的好坏，统计10组原始数据 \left ( \hat{y}^n - f(x_{cp}^n) \right )^2( y^n−f(x cpn )) 2
的和，和越小模型越好
剃度算法的挑战
当前最优 等于0 趋近于0
验证模型好坏
使用训练集和测试集的平均误差来验证模型的好坏（一般用10组）
二 一元N次线性模型
1 曲线也是线性模型
2.过拟合问题
步骤一 2个input的四个线性模型是合并到一个线性模型中
步骤二 如果希望模型更强大表现更好（更多参数，更多input
步骤三 加入正则化
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
