李宏毅《机器学习》课程笔记（作业一：线性回归和梯度下降）

最近学习了李宏毅的机器学习课程，按照视频顺序整理一下笔记，这份笔记只适合作为复习回顾，不适合直接学习，因为记录的东西零碎且粗糙，只是看视频时的收获感想。

 

正则化regularization的目标是使得学出来的模型比较“平滑”，也就是说对输入的数据不敏感，所以如果输入的数据加入了一定的噪音，对输出的值的影响就比较小。

陆吾生的解释是，加入正则化以后，我们就更愿意放弃高阶函数，选择低阶的函数，而低阶的函数在面对新的数据的时候可能具有更好的能力。

正则化的时候是不需要加上b的，因为b对于模型的平滑程度是没有影响的。

estimator有bias和variance。一个通过取样本评估出的平均值bias是无偏的，但是他的方差variance是有偏的，这是因为在计算的variance的时候需要用到平均值，而这个评估出的平均值与各个样本的距离，相比真正的平均值与各个样本的距离，是偏小的，所以存在bias。需要纠偏，可以参考这个链接：https://www.zhihu.com/question/20099757

越复杂的model通常variance越大，而bias越小，可以认为他是包含最优解的，但是范围太大不好瞄准。越简单的model通常variance越小，但是bias越大，这是因为他可能没有包含最优的model，所以存在天然的bias，但是因为参数比较少，不容易受到样本的影响，所以variance就比较小。所以我们需要在两者间找一个trade-off。

如果bias大，叫做underfitting，说明模型不够好，需要重新设计模型，设计更复杂的模型。

如果variance大，叫做overfitting，需要增加data，可以试着自己设计data。或者增加正则化regularization。

 

在梯度下降的时候，需要小心设计learning rate，如果大了loss会爆炸，如果小了会需要非常长的时间来收敛。

课程里面介绍了Adagrad，能够比较好的计算learning rate。

关于各种计算learning rate的算法，可以参考https://www.zhihu.com/question/323747423/answer/790457991。

在考虑多个参数的时候，不能认为梯度越大，步长就应该越大。因为不同的参数上的“大小”可能不是一个scale，所以应该看一次微分与二次微分的比值。二次微分越大，说明比较平滑，所以梯度相同的情况下应该步长大一些。

在二次微分很难计算的时候，Adagrad里面的分母，也就是过去所有的梯度的平方和，能够反映这一点，也就是说这个值越大，说明过去平均的梯度就比较大，那么到现在的二次梯度就越大。

另外我们也应该把不同的特征的scale统一，来避免上面的问题，是的GD更快地收敛。