Regression----李宏毅

最新推荐文章于 2024-08-12 08:00:00 发布

9377_

最新推荐文章于 2024-08-12 08:00:00 发布

阅读量1.7k

点赞数

分类专栏：李宏毅机器学习文章标签：机器学习深度学习 python

本文链接：https://blog.csdn.net/wangy55/article/details/122510798

版权

李宏毅机器学习专栏收录该内容

2 篇文章

订阅专栏

本文介绍了回归模型的基本概念，包括如何建立模型、评估模型的好坏以及如何选择最佳模型。文中还提到了过拟合的问题，并建议使用训练集和测试集来提高模型的准确性。

摘要由CSDN通过智能技术生成

Regression

regression 是通过找到一个函数，这个函数在各个特征的作用下有输出一个值，
这个值我们期望是在最佳函数的情况下输出的值，即误差最小。

实例（Combat Power）

在这里我们有5个自变量

step1:建立模型（model）
首先建立最简单的线性模型即  y = b + w*Xcp
由此我们可以引入多个自变量，即 y = b + ∑WiXi
除此之外我们还可以建立更多的模型

在这里插入图片描述

step2:函数好坏（Goodness of function）
计算函数的loss

在这里插入图片描述

step3:挑选一个最好的function（best function）
	即挑选L(W,b)最小的function

在挑选model的时候，一定要看在training和testing上的Average errror，
因为有的模型在training data上表现的很好，在testing data上表现的很糟糕，
即会出现过拟合现象，所以我们在训练模型的时候，
可以将training data分为training data 和testing data进行训练，
训练好模型之后将原来的testing data带入进去进行一个评分，
这样可以使得模型的准确率跟高，模型更耐用。