线性模型的关键在于确定权重w和截距b，适用于连续数值的数据。通过最小化均方误差使用最小二乘法找到最佳参数。偏导数用于优化过程中，确保参数达到极小值，避免误差最大化。在实际应用中，可能结合正则化来选择最佳模型。
线性模型
任务：找出一条线能够对数据进行划分或预测趋势
关键：找到合适的w和b
更适合于连续性的数值，如果数据是离散的如色泽是青绿色，我们需要对特征值进行编码
首先我们考虑是否是有序的
若有序，如身高的高中低，我们可以编为1，0.5，0
若无序，如一共有三种色泽，某种色泽是青绿色，我们可以标为[0 1 0]
如何找到合适的 w和b？
均方误差最小化，利用最小二乘法找到一组合适的w和b使得均方误差最小
偏导为什么可以？
在我们求最佳参数的过程中，参数在不断变化，我们对其进行偏导，并让其等于0，这时候参数不再变化，他可能是极大值，也可能是极小值。而均方误差最大值是无穷大，因此极大值是不存在的，求得的结果只可能是在极小值上，因此我们求出的结果，即是均方误差最小的时候，就是我们想要的最佳参数
推广
根据具体情况可能有以下两种结果：
若此时根据归纳偏好，或者引入正则化，选出最佳的参数
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
