学习内容:机器学习介绍,p3-4
第一步:
找Function Set=Model
模型搭建步骤:
1.模型假设——选择模型框架(线性模型)
2.模型评估——如果判断众多模型的好坏(损失函数)
3.模型优化——筛选出最优模型(梯度下降)
1.模型假设
1.1一元线性模型(一个变量)
1.2多元线性模型(多个变量)
xi:各种特征
wi:各特征的权重
b:偏移量
【对于单个特征】
2.模型评估-损失函数
3.最佳模型-梯度下降
选定一个w0
(2)计算微分,即斜率,根据斜率来判定研究方向。
大于0向右
小于0向左
(3)根据学习率移动
重复直至找到最低点
最小二乘法:直接找到全局最优,令偏导数为0
梯度下降法:迭代法,容易找到局部最有,对初始点非常敏感
4.梯度下降法在现实世界面临的挑战
三种情形:
1.当前最优
2.等于0
3.趋近于0
如果在复杂的模型中,就会遇到2.3两种情形
5.w和b的计算方法
【两个特征】
这里我们又提出一个新的问题:是不是能画出直线就是线性模型,各种复杂的曲线就是非线性模型? 其实还是线性模型,因为把 x_{cp}^1xcp1 = (x_{cp})^2(xcp)2 看作一个特征,那么 y = b + w_1·x_{cp} + w_2·x_{cp}^1y=b+w1⋅xcp+w2⋅xcp1 其实就是线性模型。
来自 <LeeML-Notes>