本次讲解以宝可梦CP值预测为例，探讨线性回归（Linear Regression）的应用。首先，定义了线性模型，包括bias和weight。接着，介绍了损失函数（Loss function）用于评估模型性能，并通过梯度下降法寻找全局最小值。在分析过程中，讨论了如何决定函数集合，指出更大的函数集合可能导致训练集表现好但测试集表现下降，即过拟合现象。为解决过拟合，提出了重新设计模型和正则化策略，通过在损失函数中添加常数来降低噪声影响，使输出更加稳定。
本讲主要是根据宝可梦的cp值预测，期待的输出是一个数值，所以这是一个Regression的learn。由上一讲可知，Linear是指linear model，是function set 的类型。
根据需求，
根据需求，先按照上述步骤进行讲述。
一. 寻找suitable function
1. 先设定function set 是一个一次函数，到这里已经完成第一步。
linear model :
b : bias
w : weigth
在后续分析错误时，这些名称会被用到
2. 然后定义L(f) ——Loss function,该function用于判定function set中的函数的好坏
L(f)：
3. Gradient Descent
使用偏微分的方法将L(f)的global minima 计算出来
二. 分析上述过程中会出现的各种问题
1. how to desid
最低0.47元/天 解锁文章
扫一扫
717
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
