【ML】李宏毅一：宝可梦case入门：ppt详解

case：

建立一个线性模型：预测宝可梦进化后最大的cp战斗值

找一个函数f1或f2或f3等等，输入feature：x

loss function：衡量函数f的好坏==一组参数的好坏

loss=真实数值-预测数值的平方相加

 找出最好的f，宝可梦数据集只有十个，可用线代，但是大量数据集的话，采用梯度下降梯度下降，找最小loss

找到归点值，当有两个参数w，b，求他俩的偏导数

 找最优点，蓝色的loss最小，红色最大

线性回归函数没有局部最优解，不会出现这种情况，而是等高线图，从任意个点找最后都是等高线中间

 算偏微分

 更复杂model，稍微好一些

过拟合

收集更多的数据集（宝可梦）

 隐藏的影响因素： 物种

回到第一步：不同物种，就代入不同的f

改写为线性f

是否还有别的影响因素？重量，高度，hp？

 不知道的话，就全部加入到f中

预期得到很低的error，但是却得到很高。 

 可以去掉参数，但通常不知道去掉那些，所以使用正则化！

需要平滑的f，这样有不同的输入，变化是小的