线性回归算法梳理
1.机器学习的一些概念
-
有监督
监督学习,最直接印象就是数据是否存在对应的标签。通过标签进行分类。
-
无监督
无监督学习,样本数据没有标签,需要通过样本间的相似性进行“聚类”。一般考虑类内间距最小化,类间间距最大化。
-
泛化能力
generalization,用来表征学习模型对未知数据的预测能力。归纳过程。与之对应的是,演绎过程。特化。
-
过拟合(方差和偏差以及各自解决办法)
由于学习能力过于强大,把训练样本不太一般的特性都学习到了。
需要注意的是:过拟合是无法彻底避免的,只能”缓解“,或者说是减小其风险。若可彻底避免过拟合,则通过经验误差最小化就能获得最优解,这样相当于构造性的证明了”P=NP“,而这目前来说还是一个无法解决的问题。
解决方法:1.重新清洗数据。2.增大数据的训练量。3.采用正则化方法。(结构风险最小化SRM)
-
方差(Variance)多个模型,模型的拟合度如何,标记的聚散程度。(e.g.,打靶打出点是否密集。)
-
偏差(Bias)单个模型,期望输出与真实标记的差别。(e.g.,打靶打出点与靶心的偏差。)
泛化误差可分解为偏差,方差和噪音之和。需要注意的是方差和偏差是有冲突的。偏差-方差窘境
-