- 假设回归模型为:
y=f(X|θ)
y
=
f
(
X
|
θ
)
- 如在现行回归中: f(X|W)=WTX f ( X | W ) = W T X ,模型参数为W(线性组合权重)
- 训练:根据训练数据 D{Xi,yi}Ni=1 D { X i , y i } i = 1 N 学习映射 f f (模型参数)
- 预测:对新的测试数据X进行预测: (带帽表示预测值)
- 学习目标:使训练集上预测值与真值之间的差异最小
- 损失函数:度量模型预测值与真实值之间的差异,如:
L(f(X),y)=12(f(x)−y)2 L ( f ( X ) , y ) = 1 2 ( f ( x ) − y ) 2 - 则目标函数为:
J(θ)=1N∑i=1NL(f(xi|θ),yi) J ( θ ) = 1 N ∑ i = 1 N L ( f ( x i | θ ) , y i )
- 损失函数:度量模型预测值与真实值之间的差异,如:
回归模型的建立过程
最新推荐文章于 2024-05-22 14:31:11 发布