机器学习(ML)主要分为三类:
- supervised learning(监督学习),
- unsupervised learning(非监督学习),
- reinforcement learning(强化学习)。
梯度下降:通过斜率正负判断增大还是减小w的值来找出loss函数最小值
不断迭代更新两项参数的值
通过下式计算w和b两个参数的偏微分
过拟合:
通过δ(激活函数)重构模型
正则化:引入正则参数λ,对函数参数进行约束,例:L=Ein+λ∑jw2j
方差(variance):度量了同样大小的训练集的变动所导致的学习性能的变化,即刻画了数据扰动造成的影响。
偏差(bias):度量学习算法的期望预测与真实结果的偏离程度,也叫拟合能力。
偏差的误差导致过拟合;方差的误差导致欠拟合
高偏差:重构模型是其更复杂或特征更多
高方差(variance):