李宏毅机器学习课程笔记——第二章 回归 Regression
我们在前面提到,监督学习的两大问题就是回归与分类,回归问题的一大特征就是输出的结果是输出结果为一系列的数字
现在我们以一个场景为例,便于大家更好地理解回归问题。
在进入场景之前,麻烦大家先回忆一下机器学习中监督学习的流程是什么?
1.找到一个函数集
2.评估函数
3.从函数集中选出最好的函数
现在给出场景,我们需要对宝可梦的CP值进行预测
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-f6bzXGBS-1663173864348)(C:\Users\Ferry\AppData\Roaming\Typora\typora-user-images\image-20220915003431930.png)]
按照流程,我们依次确定做法:
- 找到函数——线性回归模型
- 评估函数——损失函数
- 挑选函数——梯度下降
下面我们来讲讲细节
step1:Model
目前大家学到的最简单的线性函数就是一次函数
y = w x c p + b y=wx_{cp}+b y=wxcp+b
w:权重,b:偏差
w和b的值我们可以先随意给定。
再来看看我们有哪些数据
我们有十只宝可梦初始的CP值和他们进化后的CP值,分别作为x和y
我们思考一下可能有哪些因素会影响宝可梦的cp值,比如体力,身高,体重……
这些都可以作为x
我