一. 课堂小结
这周师兄主要讲了线性回归、逻辑回归、knn、以及神经网络的相关知识,进行了详细的公式推导。
1.线性回归(Linear Regression)
线性回归属于监督学习,因此方法和监督学习应该是一样的,先给定一个训练集,根据这个训练集学习出一个线性函数,然后测试这个函数训练的好不好(即此函数是否足够拟合训练集数据),挑选出最好的函数(cost function最小)即可。
公式推导:
岭回归:
一般数据的样本数会大于特征的数量,但是如果数据的特征比样本点还多,此时是不能应用线性回归方法,需要引入岭回归的方法。此时损失函数可看做误差部分加上正则化部分: