机器学习笔记(一)-Regression

本文介绍了机器学习的基础概念,包括让计算机通过训练数据学习预测函数。重点讨论了线性回归,从单变量到多变量的情况,并提到了防止过拟合的策略,如减少特征数量和使用正则化。正则化在Cost Function中加入参数的平方项,以抑制参数影响,防止过度拟合。
摘要由CSDN通过智能技术生成

机器学习,就是让计算机根据已知的训练数据,回归出预测函数,然后根据函数对未知情况进行预测。

定义:

机器学习,指程序员不显式地(explicitly)编写程序,而是让程序尝试从已知数据中学习规律,并作出预测。

机器学习,Based on experience E and measurement of performance P, the program try to solve the task T.


Regression中,最简单的是单个变量的线性回归,通过Gradient Decrease的迭代使得整个Cost Function的总和最小。


较为复杂的是多变量线性回归,原理相同,不同的是需要求各个分变量的偏导数,再进行Gradient Decrease迭代,从而找到Global Optimization。


与Gradient Decrease相对应的是Normal Function求解。


Overfitting

我们选取的Hypothesis Fuction的参数值过多,导致Cost Function可能等于零。

噪音对回归预测的影响过大。



评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值