李宏毅机器学习课程笔记——第二章 回归 Regression

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：

1. 找到函数——线性回归模型
2. 评估函数——损失函数
3. 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
$$y=w{x}_{cp}+b$$
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