回归:Regression 就是找到一个函数 f u n c t i o n function function ,通过输入特征 x x x,输出一个数值 S c a l a r Scalar Scalar。
模型步骤
模型假设,选择模型框架
假设使用线性模型
x:表示特征值
w:表示特征值权值
b:表示偏移量
模型评估,如何判断众多模型的好坏(损失函数)
从数学的角度来讲,我们使用距离。求【进化后的CP值】与【模型预测的CP值】差,来判定模型的好坏。也就是使用损失函数(Loss function) 来衡量模型的好坏
模型优化,如何筛选最优的模型(梯度下降)
单个特征
步骤:
- 步骤1:随机选取一个 w 0 w^0 w0
- 步骤2:计算微分,也就是当前的斜率,根据斜率来判定移动的方向
- 大于0向右移动(增加 w w w)
- 小于0向左移动(减少 w w w)
- 步骤3:根据学习率移动(即移动的步长)
- 重复步骤2和步骤3,直到找到最低点
两个特征值也一样,但变成求偏微分
问题:
- 问题1:当前最优(Stuck at local minima)
- 问题2:等于0(Stuck at saddle point)
- 问题3:趋近于0(Very slow at the plateau)
如何验证训练模型的好坏
使用训练集和测试集的平均误差来验证模型的好坏
过拟合问题
在训练集上面表现更为优秀的模型,在测试集上效果反而变差了。
步骤优化
Step1优化:2个input的四个线性模型是合并到一个线性模型中
就是通过对 Pokemons种类 判断,将 4个线性模型 合并到一个线性模型中
Step2优化:如果希望模型更强大表现更好(更多参数,更多input)
在最开始我们有很多特征,图形化分析特征,将血量(HP)、重量(Weight)、高度(Height)也加入到模型中
但仍然导致过拟合