[李宏毅-机器学习]回归Regression

最新推荐文章于 2024-03-19 15:43:55 发布
最新推荐文章于 2024-03-19 15:43:55 发布
阅读量218 收藏
点赞数
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/py184473894/article/details/104256594
版权

step1：

确定函数的形式

step2：
构建损失函数（评价函数）

step3：

训练得到最好的function

线性回归中的loss为convex，不会陷入local optimal

 

过拟合问题

模型能力过于复杂，相当于完全记住了每个训练样例，但是对于测试样例来说，得不到很好的结果

 

 

正则化 减弱过拟合

让function比较平滑

 

bias and variance

简单模型：variance小 受不同数据影响小

复杂模型：variance大 不同数据可能导致模型发生很大变化

 

简单模型：bias大 简单的模型fuction set space较小，不一定包含正确的f

复杂模型：bias小 复杂的模型space大，基本上都包含了正确的f

bias大 under-fitting 增加模型的复杂能力

variance大 over-fitting 做数据增强增加数据，正则化

炼丹师
关注
专栏目录
李宏毅2020机器学习资料汇总
⚡
04-08 8万+
前言 可能受到新冠病毒的影响，台大也开始了网课教学。李宏毅上传了2020版本的机器学习视频，可以说是非常好的学习资料（尽管其中多数都是2017、2019的视频，但有部分更新）。 和吴恩达的CS229机器学习相比，中文版本的机器学习显得亲民了许多，李宏毅的机器学习是英文的ppt+中文讲解，非常有利于大家入门。吴恩达的CS229中偏向于传统机器学习……
机器学习笔记（李宏毅）：Regression
xavierri的博客
12-22 355
Regression笔记
李宏毅机器学习笔记--Regression
苍雪的博客
07-27 253
Regression 可以做什么？ Stock Market Forecast Self-driving Car （输出方向盘角度） Recommendation （购买商品的可能性，根据可能性的大小决定是否给用户推荐 。。。 步骤 Step1 : Model 就是建立一个函数： y = b + W * X (W and b are prameters which can be any value) like a Linear model : y=b+∑Wi∗Xiy = b + \su
李宏毅机器学习Regression
weixin_51352168的博客
05-17 496
1.回归定义 regression就是寻找一个函数，通过输入特征，然后输出一个数值 2.模型步骤 Step1：模型假设，选择模型框架(linear model) Step2：模型评估，如何判断众多模型的好坏(loss function) Step3：模型优化，如何筛选最优的模型(Gradient Descent) Step1：模型假设–linear model 一元线性模型（单个特征）：最简单的模型（线性模型），并且假设因变量只有一个，即宝可梦进化前的cp值，则表达式为y=b+w⋅xcpy=b+w\
李宏毅机器学习 Regression
herosunly的博客
03-04 1万+
Regression Regression(回归)的思想可以解决生活中的很多难题。比如根据过去的股票价格和时下的新闻资讯（NLP），从而预测未来的股票价格。比如自动驾驶，根据路况、车况、天气等因素，预测车辆行进的方向（方向盘的方向）和速度（油门和刹车）。比如进行商品推荐，根据用户过去的购买、收藏、浏览、评论、记录，从而判断新商品用户购买的概率。一句题外话，在实际工业界中，量化交易（股价预测）、自动...
李宏毅深度学习笔记5 - 第一讲 回归问题（regression）
weixin_51681590的博客
03-19 188
第一个选择的model效果不太好，因此我们可以选择更复杂的model ，但是更复杂的模型可能会产生过拟合问题。我们可以重新定义loss函数来防止过拟合问题，这个方法叫做正则化（regularization）。我们可以把想到的所以特征都加进去，但这样也容易产生过拟合问题。返回到最初我我们选择的模型，重新选择模型。调整lamada可以调整曲线的平滑程度。把模型写成线性模型的形式如下。
李宏毅机器学习-----Regression回归
zyuPp的博客
07-25 422
李宏毅机器学习-----Regression Regression 的一些应用： 预测股票市场走向 找到一个function，input = 过去十年的股票资料，output = 可以预测明天股票指数 自动驾驶 找到一个function，Input = 无人车感测周围物体和人，output=方向盘的角度 推荐系统 找到一个function，Input=使用者A看某个商品B ，outpu...
李宏毅--机器学习作业--1-Linear Regression：预测PM2.5
纯粹的博客
06-25 1850
1-Linear Regression：预测PM2.5 1.作业目的 2.数据集描述 3.作业描述 4.完整代码 5.测试Python 6.运行源码 7.安装库语句 8.SYS安装教程 7.解决Non-UTF-8问题 注意：这篇博客的任何操作是在已经下载好Python的前提下，如果还没有下载Python，可以参考以下链接下载Python https://blog.csdn.net/qq_39346534/article/details/106954662 1.作业目的： 根据前9个小时采集的台湾环境监测
【李宏毅-机器学习】笔记一:机器学习基本概念 和 regression problem 回归问题
qq_42851159的博客
10-17 677
前言：通过学习李宏毅老师的课程，总结出来的学习笔记。 机器学习的步骤 a set of function然后是通过数据集找到goodness function从里面找到一个最合适的function 然后再test，最后就是实现具体的问题。 learning map regression 回归问题：output 是一个scale（数值，标量）比如预测股票等等 classification分类的问题：...
李宏毅机器学习自用笔记------逻辑回归
PlutoLilian的博客
09-08 386
自用学习笔记，希望得到大佬指正
李宏毅2020机器学习课程笔记（一）- 分类与回归
热门推荐
⚡
04-25 1万+
包含李宏毅机器学习视频P1-P16的课程梗概
李宏毅机器学习课程--回归(Regression)
Cossper的博客
09-12 592
  近期在学习李宏毅老师的机器学习视频(https://www.bilibili.com/video/av10590361/?p=4),下面写一下自己的心得体会。   李老师用的是精灵宝可梦做的比喻，假设进化后的宝可梦的cp值(Combat Power)与未进化之前的宝可梦的cp值相关，我们想找出这两者之间的函数关系，可以设进化后的cp值为y,进化之前的cp值为x：y = b + w*x (不只...
【机器学习（李宏毅）】 二、Regression: Case Study
Climber的博客
04-19 2381
回归问题： The output of the target function f is “scalar”. 课程用例说明： 针对的问题：估计pokemon进化之后的CP值 Step1：选择模型 注意：现只考虑一个参数即当前CP值 Step2：模型好坏 模型的好坏用损失函数来评价，公式见下图： Step3：最佳函数/模型 即是求使得损失函数最小时，参数w和b的值使用梯度下降法来求解 以只考虑一个参数
李宏毅机器学习课程笔记1：Regression、Error、Gradient Descent
徐子尧的博客
03-28 1万+
台湾大学李宏毅老师的机器学习课程是一份非常好的ML/DL入门资料，李宏毅老师将课程录像上传到了YouTube，地址：NTUEE ML 2016 。 这篇文章是学习本课程第1-3课所做的笔记和自己的理解。Lecture 1: Regression - Case Studymachine learning 有三个步骤，step 1 是选择 a set of function, 即选择一个 model，
李宏毅机器学习课程笔记2：Classification、Logistic Regression、Brief Introduction of Deep Learning
徐子尧的博客
03-29 1万+
台湾大学李宏毅老师的机器学习课程是一份非常好的ML/DL入门资料，李宏毅老师将课程录像上传到了YouTube，地址：NTUEE ML 2016 。 这篇文章是学习本课程第4-6课所做的笔记和自己的理解。Lecture 4: Classification: Probabilistic Generative Model以根据宝可梦各属性值预测其类型为例说明分类问题。 训练数据是若干宝可梦的各属性值及
12306抢票脚本 - Bypass
最新发布
09-17
12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306抢票脚本12306
单片机与蓝牙模块的无线通信项目实战.md
09-17
如何使用单片机与蓝牙模块（如HC-05/HC-06）实现无线通信的详细步骤。首先，介绍了蓝牙模块的基本工作原理、引脚功能及配置方法。接着，讲解了硬件设计，包括单片机与蓝牙模块的连接、按键与LED模块的接线。然后，详细描述了软件设计，包括串口通信的初始化、蓝牙模块的数据接收与处理。项目调试部分涉及蓝牙连接的测试、串口通信的验证及功能调试，确保系统稳定运行。最后，探讨了项目的扩展可能性，如双向通信、多个设备通信及低功耗设计。这些内容为构建一个基于单片机和蓝牙的无线通信系统提供了全面的指导。
计算机科学中的基数排序算法原理与实现
09-17
本文详细介绍了基数排序这一非比较型排序方法的算法原理以及其在实际应用中如何操作。从初始化桶到最后重构阵列的每一步均进行了阐述，并提供了基于Python的实现例子。另外，对基数排序的时间和空间复杂度给出了深入解析及其使用情境说明，有助于了解排序机制并正确评估算法性能优劣。 适合人群：具备基本算法基础的数据科学家，研究和开发人员。 使用场景及目标：帮助理解和学习基数排序的技术要点和内在逻辑，掌握其实现在固定长度整数集合上进行快速排序的操作技巧。 其它提示：尽管该排序方法在特定条件下效率显著高于比较式方法，但须谨慎应用于数据种类变化多样的环境中。
Python100道题(100).zip
09-17
基数排序
李宏毅-2023春机器学习
08-10
李宏毅是一位知名的中国人工智能领域的学者和专家，尤其是在深度学习方面有很高的声誉。2023年春季的机器学习领域可能会聚焦于最新的研究进展和技术应用，例如： 1. 自动化机器学习 (AutoML) 的发展：自动化工具会...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值