2.Regression
训练过程(三个步骤):
-
先写出一个有未知数的function,这个未知数以后我们都用 θ 来代表一个model里面所有的未知函数
-
定义一个loss,loss是一个function,这个loss的输入是一组参数,去判断这一组参数好还是不好
-
解一个optimization的problem,你要去找一个 θ – 可以使loss的最小,最小的定义为θ*
把θ* 用在测试资料上,也就是把 θ*带入fθ(x) 中未知的参数
这个Loss function 他是一个function 的 function,他就是吃一个function 当做input ,他的output 就是这个function 有多不好。
Loss function 可以根据你自己的喜好定义一个你觉得合理的function。
定义好Loss function 之后接下来要做的就是从 function set里面,挑选出一个最好的function(方法gradient descent)。
Negative -> Increase w
Positive -> Decrease w
接下来就是重复这一过程,直到local minimum。
如果模型有两个参数过程也是如此。
加入参数越多,training error会越小,但testing error可能会爆掉,即overfitting!
解决方法 :regularization(正则化)
在做regularization时不用考虑 ‘b’ (上图红框中无b)