机器学习(二)：回归

最新推荐文章于 2023-11-01 18:56:20 发布

Lhenin

最新推荐文章于 2023-11-01 18:56:20 发布

阅读量162

点赞数

分类专栏：机器学习李宏毅文章标签：机器学习

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/qq_43360009/article/details/120319392

版权

本文深入探讨了机器学习中的回归问题，包括建模步骤：模型假设（以线性回归为例）、模型评估（损失函数及其重要性）以及寻找最佳模型（使用梯度下降法）。此外，还讨论了如何验证模型的好坏，如避免过拟合，以及优化模型的多种策略，如添加潜在变量、变量处理和正则化。

摘要由CSDN通过智能技术生成

二、回归

即找到一个函数，输入指示变量 $x$ 后，能够得到响应变量 $y$ ，我们可以使用数学语言来描述

设 $x=(x_1,x_2,...,x_n)$

最低0.47元/天解锁文章

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
机器学习(二)：回归

二、回归即找到一个函数，输入指示变量xxx后，能够得到响应变量yyy，我们可以使用数学语言来描述设x=(x1,x2,...,xn)x=(x_1,x_2,...,x_n)x=(x1,x2,...,xn)是输入变量，每个xix_ixi表示样本的特征，回归即找到一个函数f(x)f(x)f(x)，将xxx代入后，得到预测值y^\hat yy^，其值与真实值yyy只存在一个较小的误差ϵ\epsilonϵ建模步骤Step 1：模型假设建立回归模型的第一步，即选择合适的模型，其中最简单的即为线性回归模
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。