P3:Regrssion(回归)
机器学习的三个步骤
- 寻找模型
- 定义损失函数(Loss)来衡量模型好坏
- 找出最好的函数
Step1 :寻找function set
假设为线性回归,则 y = ∑ w i ∗ x i + b y = \sum{w_i * x_i} + b y=∑wi∗xi+b 其中 x i x_i xi是输入数据集的各种属性,即feature; w i w_i wi与b分别为模型的权重weight和偏差bias。
Step2 :衡量function的好坏
定义Loss函数L:输入为函数,输出是好坏程度
L ( f ) = L ( w , b ) = ∑ n = 1 N ( y ^ n − ( b + w ∗ x n ) ) 2 L(f) = L(w,b)=\sum_{n=1}^N ({\hat{y}}^n-(b+w*{x^n}))^2 L(f)=L(w,b)=n=1∑N(y^n−(b+w∗xn))2
Step3 :找出最好的function
找出最好的函数 f ∗ = a r g min f L ( f ) 即 w ∗ , b ∗ = a r g min w , b L ( w , b ) f^* = arg\,\min_{f} L(f) 即 w^*,b^* = arg\,\min_{w,b} L(w,b) f∗=argminfL(f)即w∗,b∗=argminw,b</