李宏毅《机器学习》笔记(2)--回归Regression

最新推荐文章于 2024-10-01 23:00:34 发布
最新推荐文章于 2024-10-01 23:00:34 发布
阅读量84 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习 深度学习 神经网络 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/chuyang1234567/article/details/118702190
版权

定义：找到一个函数，通过输入特征x，输出一个数值Scalar。

步骤：

  • 模型假设，选择模型框架：线性模型

  • 模型评估，如何判断众多模型的好坏：损失函数

  • 模型优化，如何筛选最优的模型：梯度下降

应用：

  • 股市预测

输入：过去10年股票的变动、新闻咨询、公司并购咨询等

输出：预测股市明天的平均值

  • 自动驾驶

输入：无人车上的各个sensor的数据，例如路况、测出的车距等

输出：方向盘的角度

  • 商品推荐

输入：商品A的特性，商品B的特性

输出：购买商品B的可能性

最棒的xiaoming
关注
专栏目录
李宏毅机器学习自用笔记------逻辑回归
PlutoLilian的博客
09-08 399
自用学习笔记，希望得到大佬指正
2021李宏毅机器学习笔记--2.Regression回归
guoxinxin0605的博客
04-18 203
2021李宏毅机器学习笔记--2.Regression回归regression的作用实例--预测神奇宝贝进化后的战斗值step 1：modelstep 2：goodness of functionstep 3：best functionmodel的选择model复杂程度不同不同类别有不同的model regression的作用 当我们期望从函数的输出中得到一个数值时，使用regression回归。 比如股票市场预测系统，输入的是过去十几年各个公司股票的变化，函数的作用是输出明天的道琼斯工业指数的点数。 比
DW李宏毅机器学习笔记--Task02-回归
StarryPilgrim
08-18 394
文章目录前言一、回归定义二、模型步骤Step 1：模型假设 - 线性模型一元线性模型（单个特征）多元线性模型（多个特征）Step 2：模型评估 - 损失函数如何判断众多模型的好坏Step 3：最佳模型 - 梯度下降梯度下降推演最优模型的过程梯度下降算法在现实世界中面临的挑战w和b偏微分的计算方法如何验证训练好的模型的好坏总结 前言 这是我在Datawhale组队学习李宏毅机器学习的记录，既作为我学习过程中的一些记录，也供同好们一起交流研究，此后还会继续更新相关内容的博客。 一、回归定义 回归（Regres
李宏毅机器学习笔记--Regression
苍雪的博客
07-27 256
Regression 可以做什么？ Stock Market Forecast Self-driving Car （输出方向盘角度） Recommendation （购买商品的可能性，根据可能性的大小决定是否给用户推荐 。。。 步骤 Step1 : Model 就是建立一个函数： y = b + W * X (W and b are prameters which can be any value) like a Linear model : y=b+∑Wi∗Xiy = b + \su
李宏毅机器笔记-2-回归
m0_38090787的博客
07-14 128
P3 回归回归定义和应用举例回归定义应用举例模型步骤step1：模型假设-线性模型一元线性模型（单个特征）多元线性模型（多个特征）step2：模型评估-损失函数收集和查看数据如何判断众多模型的好坏step 3：梯度下降如何筛选最优模型（参数w，b）梯度下降推演最优模型的过程梯度下降算法在现实世界中面临的挑战w和b偏微分的计算方法如何验证训练好的模型的好坏更强大复杂的模型：1元N次线性模型过拟合问题出现步骤优化Step1优化：2个input的四个线性模型是合并到一个线性模型中Step2优化：如果希望模型更强大
李宏毅机器学习-----逻辑回归Logistic Regression
zyuPp的博客
08-13 1070
接上上一节的内容，我们认为通过概率模型最后推导出来函数还是为了求出最优的w和b，所以为什么不直接找一个function来直接求呢？那就是今天要介绍的Logistic Regretion！ 上节链接 逻辑回归的Function Set 后验概率Pw,b(C1∣x)P_{w,b}(C_1|x)Pw,b​(C1​∣x)就是σ(z)\sigma(z)σ(z)，而z=wx+b，推导出function se...
2020李宏毅机器学习学习笔记--1.概论与Regression回归
weixin_44790306的博客
04-17 490
2020李宏毅机器学习第一周学习笔记 第一节课 课程介绍（P1） 机器学习的本质就是自动寻找函数 比如： ------输入语音信号，输出文字信号 ------输入图片，输出内容 ------输入一个问题，输出一个答案 机器学习包含以下 ----Regression（回归） The output of the function is a scalar.:函数的输出是一个数值 ----Classification（分类） -Binary Classification(二元分类): 输出只有两种可能，正面或负面
机器学习[李宏毅]-笔记6-Logistic Regression
greenmoss的博客
09-02 232
本节课程幻灯片链接 目录
李宏毅机器学习笔记3--分类
Zachary
03-20 290
课程第三部分讲的是简单的分类问题，从此也引出了deep learning。 Probabilistic Generative Model 线性回归分类的局限 用于来表示很直观： 从上图可以看到，因为右图存在过于正确样本，使得machine learning会得到紫线的结果，而这直观上便可以发现是不理想的。 自己感觉因为线性回归目标是使得所有样本预测的值都尽可能准确，本身就会受到极端样本的影响，完成分类的时候本身对于结果要求并不是很精准，所以使用regression便可能因为样本原因而表现不好。 模型函数 如
李宏毅机器学习代码笔记-Regression
A_Tu_daddy的博客
01-02 281
该代码仅仅是本人在看学习视频时的记录，可以直接运行的。没有详细解说，大家可以去b站上看李宏毅机器学习的视频。 import numpy as np import matplotlib.pyplot as plt x_data = [338., 333., 328., 207., 226., 25., 179., 60., 208., 606.] y_data = [640., 633., 619...
2021李宏毅机器学习笔记--6 logistic regression逻辑回归（一种分类方法）
guoxinxin0605的博客
05-15 266
2021李宏毅机器学习笔记--6 logistic regression逻辑回归（一种分类方法）摘要步骤step1 Function Setstep2 Goodness of a Functionstep3 Find the best function小结及展望 摘要 logistic regression 逻辑回归虽然他的名字中带有“回归”，但是实际上它是一种分类方法，与之前学习的线性回归是不同的。 步骤 step1 Function Set 求和所有的参数w和x的乘积，加上b就是z的值，然后sigm
2021李宏毅机器学习笔记--1.概述机器学习
guoxinxin0605的博客
04-17 322
2021李宏毅机器学习笔记--1.概述机器学习机器学习内容图示什么是机器学习期望找什么样子的函式怎么告诉机器你期望的函式的样子机器怎么找出你期望的函式 机器学习内容图示 图中十五个知识点大致囊括了机器学习大部分内容内容 什么是机器学习 机器学习就是让机器自动的找一个函数式，而非人为定义计算。 举例来说，比如语音识别，就是让机器自动的找到一个函式，输入一段声音信号，输出的是信号中对应的文字描述，显然这样的函式如果把数学函式写出来，复杂程度是不可思议的，实际上没有人可以把语音识别的函式写出来，只能靠机器自动的寻
第十四周：机器学习笔记
Zcymatics的博客
09-29 772
本周周报在机器学习的理论内容中，概述了Transformer里面Decoder的内容，其中包括Decoder的结构、autoregressive decoder（自回归解码器）以及non-autoregressive decoder（非自回归解码器），此外还讲述了Transformer 的训练过程，并在最后提供了序列到序列模型训练常用的Tips。在Pytorch代码学习中，本周报详细的讲述了训练模型的一些常用手段和流程，并通过代码实现了包括数据收集、模型搭建、模型训练、结果展示等过程。
机器学习（2）：机器学习的相关术语
m0_55939576的博客
09-28 384
你周日约了小李、老王打牌，小李先来了，老王没来。小李说：“你别打电话啦，昨天老王喜欢的球队皇马输球了，他的项目在上个礼拜也没成功上线，再加上他儿子期末考试不及格，他肯定没心情来。在已知数据集的基础上，通过反复的计算，选择最贴切的函数来描述自变量和因变量之间的因果关系。要预测老王的状况，我们就需要建立一个“预测老王会不会来”的函数，而。用另一批同类数据集来测试机器能否通过找到的函数推出这批数据的标签。已找到的函数在通过验证和评估后，使用测试数据集做最终的测试。验证和评估中用到的另一批的同类数据集。
人工智能之机器学习
最新发布
weixin_50229673的博客
10-01 880
在1956年众多科学家相聚一起共同探讨并展望未来的科技.首次提出"人工智能"这个专业名词,这一年也被称为人工智能元年......
机器学习：探索未知边界，解锁智能潜力
2301_79181030的博客
09-28 885
在这个日新月异的科技时代，机器学习作为人工智能领域的核心驱动力，正以前所未有的速度改变着我们的世界。从智能家居的个性化推荐到自动驾驶汽车的精准导航，从医疗诊断的辅助分析到金融市场的风险预测，机器学习技术以其强大的数据处理能力和自我优化特性，不断拓宽着人类认知与应用的边界。未来，我们有望看到更加智能、高效、人性化的机器学习应用不断涌现，为人类社会带来更多的便利和福祉。通过对用户行为数据的深度挖掘和分析，金融机构能够更准确地评估贷款风险，及时发现潜在的欺诈行为，并为用户提供更加个性化的理财建议。
机器学习（1）：机器学习的概念
m0_55939576的博客
09-28 487
机器学习之父 Arthur Samuel 对机器学习的定义是：在没有明确设置的情况下，使计算机具有学习能力的研究领域。国际机器学习大会的创始人之一 Tom Mitchell 对机器学习的定义是：计算机程序从经验 E 中学习，解决某一任务 T，进行某一性能度量 P，通过 P 测定在 T 上的表现因经验 E 而提高。机器学习是一种从数据生成规则、发现模型，来帮助我们预测、判断、分组和解决问题的技术。
机器学习-KNN
junxinsiwo的专栏
09-27 586
K-Nearest Neighbors (KNN) 分类器是一种基于实例的学习算法，用于分类和回归任务。KNN的核心思想是根据输入样本的特征值，在特征空间中找到最接近该样本的K个邻居，并根据这些邻居的多数类别来决定输入样本的类别。
《机器学习与深度学习：开启智能未来的钥匙》
OCR_wintone421的博客
09-26 910
它通过循环结构，将当前时刻的输入和上一时刻的输出作为当前时刻的输入，从而实现对序列数据的记忆和处理。DBN 算法通过逐层预训练的方式，有效地解决了深度学习模型的训练难题，为深度学习的发展带来了新的突破。深度学习模型具有强大的表达能力和学习能力，能够处理大规模、高维度的数据，并在图像识别、语音处理、自然语言处理等领域取得了显著的成就。在强化学习中，计算机通过不断地尝试不同的行动，并根据环境的反馈来调整自己的策略，以获得最大的奖励。然而，由于当时计算机硬件的限制和算法的复杂性，深度学习的发展一直比较缓慢。
李宏毅机器学习HW5-Transformer数据
08-11
李宏毅的机器学习课程中提到的HW5（作业5），可能涉及到Transformer模型在自然语言处理任务中的应用。Transformer是一种基于自注意力机制的深度学习模型，最初由Google在2017年提出的BERT（Bidirectional Encoder ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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